تحلیل جریان ماهانه رودخانه سفیدرود با استفاده از تئوری آشوب

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 257

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_MMWS-2-1_003

تاریخ نمایه سازی: 11 اسفند 1400

چکیده مقاله:

بررسی جریان رودخانه از بعد آشوب یکی از موارد اساسی در طراحی، بهره برداری و مطالعات مربوط به مهندسی آب است. از این رو به کارگیری روش های نوین در هیدرولوژی و منابع آب، اخیرا توجه زیادی به خود جلب کرده است. پدیده آشوب مرتبط با سیستم هایی است که دینامیک آن ها در برابر تغییر مقادیر اولیه رفتار بسیار حساسی نشان می دهد. در مواجه با سیستم آشوبی که مدل سازی تحلیلی به علت نامشخص بودن عوامل تاثیرگذار و در دسترس نبودن معادلات دقیق ریاضی حاکم برآن بسیار دشوار می نماید، استفاده از سری های زمانی یک راه حل مناسب در تحلیل این دستگاه هاست. برای بازسازی فضای حالت با استفاده از نظریه آشوب نیاز به برآورد دو پارامتر زمان تاخیر و بعد محاط است. در این پژوهش با استفاده از آمار ۶۳ ساله جریان ماهانه رودخانه سفیدرود، از روش میانگین اطلاعات متقابل و روش شمارش نزدیک ترین همسایه های کاذب برای محاسبه این دو پارامتر استفاده شد. برای تعیین آشوب پذیری نیز از آزمون بعد همبستگی و شاخص هارست استفاده شد. نتایج حاکی از بعد فرکتالی بر اساس بعد همبستگی برابر با ۳۷.۳ و زمان تاخیر ۵ ماه و بعد محاط ۶ است که برای بازسازی فضای حالت دینامیکی جریان رودخانه می تواند استفاده شود. اهمیت بررسی موازی سری های زمانی در مقیاس های مختلف (روزانه، هفتگی، ماهانه) به جهت بررسی تاثیر مقیاس زمانی و نوسانات سری زمانی بر تحلیل های آشوبی و در نهایت انتخاب چارچوب مدل مناسب است. زمان تاخیرهای به دست آمده برای سری های روزانه، هفتگی و ماهانه حاکی از وجود وابستگی بیش تر بین داده های روزانه نسبت به داده های هفتگی و ماهانه است؛ که این موضوع در تحلیل جریان های سیلابی و استخراج مشخصه های آن از اهمیت به سزایی برخوردار است. با اثبات وجود آشوب در سری های زمانی در جریان رودخانه در مقیاس های مختلف، استفاده از روش های پیش بینی بر پایه بازسازی فضای حالت را امکان پذیر نموده که این مورد جهت تحلیل خشکسالی ها، جریا نهای سیلابی و تحلیل حجم مخازن ذخیره سدها با روش های مختلف بر مبنای سری های زمانی، از جنبه های کاربردی موضوع است.

نویسندگان

حسین رضایی

استاد/ گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران

پریسا قره باغی

دانش آموخته کارشناسی ارشد/ گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران

ذبیح الله خانی تملیه

دانش آموخته دکتری/ گروه مهندسی آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران

رسول میرعباسی نجف آبادی

دانشیار/ گروه مهندسی آب، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • ABarbanel, H.D., Brown, R., Sidorowich, J.J., & Tsimring, L.S. (۱۹۹۳). ...
  • Adab, F., Karami, H., Mousavi, S., & Farzin, S. (۲۰۱۸). ...
  • Alami, M., & Malekani, L. (۲۰۱۳). Phase space reconstruction and ...
  • Anishosseini, M., & Zakermoshfegh, M. (۲۰۱۵). Comparison between phase space-based ...
  • Anishosseini, M., & Zakermoshfegh, M. (۲۰۱۳). Analysis and prediction of ...
  • Boustani, M., Karami, H., Mousavi, S., & Farzin, S. (۲۰۱۹). ...
  • Damle, C., & Yalcin, A. (۲۰۰۷). Flood prediction using time ...
  • Elshorbagy, A., Simonovic, S.P., & Panu, U.S. (۲۰۰۲). Estimation of ...
  • Embrechts, M. (۱۹۹۴). Basic concepts of nonlinear dynamics and chaos ...
  • Eslami, A., Ghahraman, B., Ziaee, A., & Eslami, P. (۲۰۱۶). ...
  • Farzin, S., Hajiabadi, R., & Ahmadi, M. (۲۰۱۷). Application of ...
  • Farzin, S., Hosseini, Kh., Karami, H., & Mousavi S. (۲۰۱۷). ...
  • Ghaheri, A., Ghorbani, M.A., Delafrouz, H., & Malekani, L. (۲۰۱۲). ...
  • Ghorbani, M.A., Kisi, O., & Aalinezhad, M., (۲۰۱۰). A probe ...
  • Hassanzadeh, Y., Aalami, M., Farzin, S., Sheikholeslami, S., & Hassanzadeh, ...
  • Hurst, H.E. (۱۹۵۱). Long-term storage capacity of reservoirs. Transactions of ...
  • Jabbari Gharabgh, S., Rezaie, H., & Mohammadnezhad, B. (۲۰۱۶). Comparison ...
  • Janbozorgi, M., Hanifepour, M., & Khosravi, H. (۲۰۲۱). Temporal changes ...
  • Jones, C.L., Lonergan, G.T., & Mainwaring, D.E. (۱۹۹۶). Wavelet packet ...
  • Kantz, H., & Schreiber, T. (۱۹۹۷). Nonlinear Time Series Analysis. ...
  • Kennel, N., & Brown, R. (۱۹۹۲). Determining embedding dimension for ...
  • Khan, S., Ganguly, A.R., & Saigal, S. (۲۰۰۵). Detection and ...
  • Kocak, K., Bali, A., & Bektasoglu, B. (۲۰۰۷). Prediction of ...
  • Lange, H. (۱۹۹۹). Time series analysis of ecosystem variables with ...
  • Moradizadeh Kermani, F., Ghorbani, M. A., Dinpashoh, Y., & Farsadizadeh, ...
  • Moshiri, S. (۲۰۰۲). A review on chaos and its applications ...
  • Mousavi, S., Boustani, M., Karami, H., & Farzin, S. (۲۰۱۸). ...
  • Ng, W.W., Panu, U.S., & Lennox, W.C. (۲۰۰۷). Chaos based ...
  • Pari Zanganeh, M., Ataee, M., & Moalam, P. (۲۰۰۹). Reconstruct ...
  • Regonda, S.K., Sivakumar, B., & Jain A. (۲۰۰۴). Temporal scaling ...
  • Rezaei, H., & Jabbari Gharabagh, S. (۲۰۱۷). Noise reduction effect ...
  • Rosenstein, M.T., Collins, J.J., & De Luca, C.J. (۱۹۹۳). A ...
  • Scott, D.W. (۱۹۹۲). Multivariable density estimation: Theory, practice, and visualization. ...
  • Shannon, C.E. (۱۹۴۸). A Mathematical theory of communication. Bell System ...
  • Sivakumar, B., & Berndtsson, R. (۲۰۱۰). Advances in data-based approaches ...
  • Sivakumar, B. (۲۰۰۱). Rainfall dynamics at different temporal scales: A ...
  • Takens F. (۱۹۸۱) Detecting strange attractors in turbulence. Pp. ۳۶۶-۳۸۱, ...
  • Thomas, M. Cover., J., & Thomas, A. (۱۹۹۱). Elements of ...
  • Wolf, A., Swift, J.B., Swinney, H.L., & Vastano, J.A. (۱۹۸۵). ...
  • Zounemat Kermani, M., & Amirkhani, K. (۲۰۱۵). Determining of dynamic ...
  • نمایش کامل مراجع