بررسی عملکرد و بهینه سازی جانمایی روش های نوین مدیریتی (LID-BMP) در بهبود کمیت رواناب سطحی شهر تهران-مطالعه موردی منطقه ۲۲

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 75

This Paper With 21 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JIRAEG-12-4_001

تاریخ نمایه سازی: 4 دی 1402

Abstract:

این تحقیق مدیریت خطرپذیری سیلاب شهری را با به کارگیری روش های نوین مدیریتی شامل اجرای ترانشه های نفوذ، مخازن نگهداشت دائمی زیستی و روسازی های نفوذپذیر در شبکه جمع آوری آب های سطحی ارائه می نماید. مدل بهینه سازی چندهدفه ارائه شده در این تحقیق با استفاده از الگوریتمMOPSO چندهدفه توسعه یافته که با مدل شبیه سازی شبکه جمع آوری آب های سطحی توسط نرم افزار SWMM ترکیب شده است. کاربرد روش پیشنهادی بر روی مطالعه موردی شبکه جمع آوری آب های سطحی منطقه ۲۲ تهران تشریح شده است که شامل چهار سناریو مختلف می باشد؛ سناریو اول به بررسی عملکرد روش های نوین مدیریتی در بهبود کمیت رواناب سطحی بدون استفاده از BMP پرداخته شده است و سناریوهای دوم، سوم و چهارم به ترتیب از BMP های شامل ترانشه نفوذ، مخازن نگهداشت دائمی زیستی و روسازی نفوذپذیر، که در شش، چهار و دو درصد از زیر حوضه ها برای دوره بازگشت دو، پنج و ۱۰ساله اعمال شده، استفاده گردیده است. نتایج مدل سازی نشان می دهد که مخازن نگهداشت زیستی نسبت به ترانشه های نفوذ و روسازی های نفوذپذیر، توانایی بیشتری در کاهش دبی پیک دارد. همچنین با افزایشی دوره بازگشت از تاثیر BMPs کاسته می شود بطوری که مخازن نگهداشت زیستی ۱۰% بیشتر از ترانشه های نفوذ و حدود۲۰% بیشتر از روسازی های نفوذ پذیر در کاهش دبی پیک تاثیر گذار می باشند. هدف مدل بهینه سازی کاهش دبی پیک می باشد که نتایج نشان می دهد به کارگیری ترکیب بهینه هر سه رویکرد نوین، منجر به کاهش ۵۱% تا ۵۴% دبی پیک نسبت به موثربخش ترین BMP می شود.

Keywords:

Flood management , LID-BMP , Urban Waters Collection Network , vulnerability , PSO

Authors

سودابه تقی زاده

civil-hydraulic structure-Qom

طاهر رجایی

Civil Engineering Department, Qom University

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :