مقدمه: آلودگی هوای شهر‌ها یکی از مهمترین معضلات محیط زیستی بوده که همواره تهدیدی دایم و جدی برای سلامت و بهداشت جامعه و همچنین محیط زیست می‌باشد. از مهمترین آلاینده‌های هوا می‌توان به اکسیدهای نیتروژن به خصوص دی¬اکسیدنیتروژن، اکسید‌های سولفور به ویژه دی¬اکسیدسولفور، هیدروکربن‌ها، منواکسیدکربن (CO)، دی¬اکسیدکربن و ذرات معلق اشاره کرد.کلان¬شهر اهواز یکی از آلوده‌ترین شهر‌های ایران می‌باشد که مدیریت زیست محیطی به ویژه در زمینه آلودگی هوا بسیار با اهمیت می‌باشد. هدف از این پژوهش پیش‌بینی غلظت آلاینده CO در هفت روز ابتدای سال 1395 در شهر اهواز می‌باشد. مواد و روش‌ها: بر اساس مطالعات پیشین، متغیر‌های هواشناسی شامل دمای هوا، رطوبت هوا و سرعت باد به عنوان متغیر‌های ورودی مؤثر در شبکه برای پیش‌بینی غلظت گاز COانتخاب شدند. غلظت گاز CO در سال 1394 از طریق سازمان حفاظت محیط زیست شهر اهواز تهیه شد. به منظور توسعه شبکه عصبی پرسپترون چندلایه (MLP) از نرم‌افزار Neuro Solution5 استفاده گردید. به منظور ایجاد شبکه عصبی، 70 درصد از داده‌ها برای آموزش (واسنجی)، 15 درصد برای تست و 15 درصد باقیمانده برای آزمون صحت¬سنجی نتایج حاصل از شبکه مورد استفاده قرار گرفت. نتایج و بحث: به منظور تعین بهترین ساختار شبکه MLP برای پیش‌بینی کوتاه مدت غلظت گاز CO ساختارهای مختلف از لحاظ تعداد لایه‌های میانی، نوع الگوریتم آموزش شبکه، نوع تابع انتقال، تعداد نرون‌های لایه میانی و تعداد تکرار‌های آموزش در نظر گرفته شد. نتایج نشان داد که شبکه MLP با ساختار 1-5-3 (یعنی 3 نرون ورودی، 5 نرون در لایه میانی و یک نرون برای لایه خروجی) با 1500 تکرار آموزش به ازای تابع انتقال تانزانت سیگموئید (Tansig) و الگوریتم آموزش کاهش گرادیان همراه با مؤمنتم (Traingdm)، بهترین شبکه MLP می‌باشد. علاوه بر این، مقادیر شاخص‌های آماری NSE، RMSE و MAE به ازای مرحله آموزش شبکه به ترتیب برابر با 72/0 ، 22/0 و 15/0 می‌باشد. نتیجه‌گیری: آلودگی هوا، چالش اصلی زیست محیطی در اهواز، از ترکیب ترافیک و صنایع نفتی ناشی می¬شود. تأثیرات بهداشتی و زیست محیطی آن نیازمند بررسی جامع است.در این تحقیق از شبکه MLP برای پیش‌بینی مقادیر غلظت گاز CO در هوای شهر اهواز استفاده شد. نتایج نشان می‌دهد که دقت و عملکرد شبکه در پیش‌بینی غلظت گاز CO در سطح مطلوب می‌باشد. در ادامه این تحقیق پیشنهاد می‌شود که پیش‌بینی غلظت دیگر الاینده‌های گازی انجام شود و برای تعیین ساختار بهینه شبکه عصبی مصنوعی از الگوریتم¬های بهینه‌سازی استفاده شود. تفاصيل المقالة

در این پژوهش عملکرد زمانی و مکانی 5 مجموعه داده‌ی بارش شبکه‌بندی جهانی شامل GPCC V8، CHIRPS V2، ECMWF ERA5، NASA MERRA2 و PERSIANN-CDR (PCDR) در پایش خشکسالی مورد ارزیابی قرار گرفته است. به این منظور از شاخص خشکسالی بارش استاندارد شده (SPI) و اطلاعات بارش 13 ایستگاه سینوپتیک سازمان هواشناسی ایران طی دوره‌ی سی ساله‌ی 2016-1987 استفاده شده است. مقایسه‌ها بر مبنای شاخص‌های کارائی شامل: همبستگی، خطای جذر میانگین مربعات (RMSE)، ضریب کارائی نش-ساتکلیف، و شاخص توافق اصلاح شده (MAI) و همچنین شاخص‌های تعیین دقت تشخیص خشکسالی شامل: نسبت هشداردهی اشتباه (FAR)، احتمال تشخیص (POD) و شاخص موفقیت قطعی (CSI) انجام گرفته است. نتایج نشان داد که مجموعه داده‌های GPCC، ERA5، PCDR توافق قوی با SPI مشاهداتی داشته‌اند به طوریکه روند و وقایع خشکسالی را به خوبی نشان داده‌اند و R2 آن‌ها با SPI مشاهداتی به ترتیب 90/0 < ، 89/0 < و 90/ < بوده است. همچنین میزان RMSE آن‌ها نسبت به CHIRPS و MERRA2 پایین‌تر و ضریب نش ساتکلیف و MAI آن‌ها بالاتر بوده است. نتایج همچنین نشان داد در بیشتر بخش‌های حوضه خصوصا شمال شرقی و جنوب غربی GPCC، ERA5 و PCDR دارای همبستگی و NSE بالاتری نسبت به سایر مجموعه داده‌ها بودند. از نظر تشخیص وقایع خشکسالی نیز مجموعه داده‌های GPCC، ERA5 وPCDR قدرت خوبی در 1- < SPI نشان دادند. با این حال در شدت‌های بالای خشکسالی میزان CSI تمامی مجموعه داده‌ها با روندی نزولی همراه بوده و بنابراین قدرت تشخیص وقایع خشکسالی کاهش یافته است. CHIRPS و MERRA2 عملکرد متوسط و ضعیفی در پایش خشکسالی این حوضه نشان داده‌اند. تفاصيل المقالة

One of the most important issues in water supply for agriculture or drinking is sediment control.Sedimentation in water conveyance channels reduces transmission efficiency. this study evaluated theefficiency of settling basin of Kamandan intake that is located in the village of Aligoodarz in Lorestanprovince. At first sample from water and sediment in inlet and outlet of settling basin in differentdischarge and sediment concentration of particles was determined by laboratory tests. Then thesediment trap efficiency of settling basins was calculated. Also the measured values of trap efficiencyare compared with efficiency values calculated by the mathematical models proposed by differentresearchers. The results show that the sediment trap efficiency of Kamandan basin calculated by Garde& Range model is closer to the value measured with the direct method. Therefore the Garde andRange model can estimate the sediment trap efficiency of Kamandan basin better than other models. تفاصيل المقالة

In this research in order to frequency analysis of maximum daily rainfall in various climates of Iran the data of 40 synoptic rain gauges collected in 40 years period i.e., 1973 to 2012 were used. These stations are located in various climates of Iran according to De Martonne climatic classification. At first, input of data to HYFA package was performed. The mentioned package includes seven probability distribution functions such as normal, two- and three-parameter lognormal, two-parameter gamma, Pearson and log-Pearson type III and extreme value type I or Gumbel. Then the data were fitted to seven mentioned distributions. HYFA estimates the parameters of the distributions by the methods of moments and maximum likelihood. The best distribution for each station was determined using mean relative deviation and mean square relative deviation as goodness of fit tests. The results showed that the suitable distribution for 29 stations is three-parameter lognormal, for five stations is two-parameter gamma, for two stations is two-parameter lognormal, for four stations is extreme value type I or Gumbel. Also, this study shows that the maximum daily rainfall in various climates of Iran can be analyzed with similar probability distribution functions. On the other hand, in similar climates, one could not use the same probability distribution functions for analyzing the data. تفاصيل المقالة

Evaporation process, the main component of the water cycle in nature, is essential in agricultural studies, hydrology and meteorology, the operation of reservoirs, irrigation and drainage systems, irrigation scheduling and management of water resources. Various methods have been presented for estimating evaporation from free surface including water budget method, evaporation from pan and experimental equations that each of these methods is coupled with the restriction and measurement error. Early the new technique using Artificial Neural Networks (ANNs) based on artificial intelligence has been widely used in various scientific fields, particularly water engineering. In this study, the amount of monthly evaporation from the Siah Bisheh dam reservoir was forecasted up 3 next month using Multi-Layer Perceptron (MLP), Radial Basis Function (RBF) and Feed Forward (FF), of ANNs. The genetic algorithm was used for efficient input variables selection and number of neurons in hidden layer of ANNs. The results showed that the correlation coefficient between measured and computed outputs using RBF, MLP and FF models were 0.92%, 0.90% and 0.88% respectively in the estimation and forecasting of evaporation from the dam reservoir. Therefore the RBF model had more precision rather than MLP and FF models in the estimation and forecasting of monthly evaporation. The results of sensitivity analysis showed that the monthly evaporation from the dam reservoir up 3 next month had most sensitivity to the time of evaporation per month, air pressure on ground surface in 2, 3 and 1 months ago, wind speed on 1000mb pressure in 3 and 2 months ago and air temperature on 300mb pressure in current time respectively. تفاصيل المقالة

prediction of hydrological variables is a highly effective tool in water resource management. One of the important tools for modeling hydrological processes is the use of time series modeling and analysis. River series production series can be used by time series models in various studies such as drought, flood, reservoir systems design and many other purposes For this purpose, monthly flow data of this station has been used for 30 years (2011-1363). By using the regression method, incomplete data estimation and homogeneity of data were investigated by sequencing test .Using the SARIMA model, the monthly time series of the Idenak station was Investigated and the best model was fitted to its data.. The models were confirmed by the diagram of autocorrelation and partial-bond correlation functions of the residues and the Pert-Manto criteria. for evaluation the models, the AIC, SBC criteria were used. The results show that SARIMA models (1.0,1) * (2,0,2) 12, SARIMA (2,0,2) * (2,0,2 (12) and SARIMA (1,0,2) * (2,0,2) 12 are respectively in the first, second and third priority in terms of accuracy in modeling the monthly discharge of the Idenak station. تفاصيل المقالة

One of the problems of existing irrigation networks is seepage phenomena. Seepage problem and its control in irrigation channels is one of the most important issues in the design, construction, maintenance and operation of these channels. In this study, simulated the rate of seepage and phreatic lines in the Mianab irrigation and drainage channels located in the Karun basin using mathematical two dimensional SEEP/W model. Results show that when flow depth in main channel be equal or more than 1.69 meters, the phreatic line intersects the downstream walls of embankment and exist the probability of piping phenomena. By increasing flow depth in main channels, increase phreatic line slop. Hydraulic conductivity coefficient don’t influence on phreatic line and only water surface elevation in main channel influence on phreatic line. تفاصيل المقالة

Characteristics and behavior of the flow in hydraulic structures, a complex phenomenon that isimperative to use software that will beto be study.Gabiony stepped spillway is a simple hydraulicstructures to control erosion downstream of dams, and, depreciation of structures is used. Roughstairway consisting of overflow from the stairs near the crest of the weir is started and continues tohave a lower heel. Research shows that the rate of depreciation of energy in Spillways stairs of the flat(no stairs) has the same size . In this study, the ratio of width to length roughness (b / h) was equal to0.25 , 0.5 ,1 , and three-positions height roughness and three-state roughness height to flow 220, 4(lit/s). In the nine-step model with a height of stair 0.1 m and 21-degree slope was investigated Andthe roughness effect on the distribution of power and the creation of the vortex on the stairs of astepped spillway Gabyvny was down by Flow-3D software . This research showed rough results in theflow range 0.004 , 0.009 , 0.01(m^3/s) by the nappe regime to collapse and from flow 0.016 metersper second to the higher flow is a skmming flow regime. Most energy-related depreciation In the flow0.016 with 79.5 Percent Energy depreciate and Depreciation less energy to flow 0.22 (m^3/s) with20.4 Percent of energy is depreciate. تفاصيل المقالة

Due to the difficulty of estimating the pollutant gas concentration in power plants, this study aimed to estimate the concentration of the air pollutants in a thermal power plant using the support vector machine model (SVM).The concentration of environmental pollutants in the thermal power plant, Shazand, Iran, at different distances from the chimney was estimated using SVM. The effective input variables in the SVM model were selected using the Partial Mutual Information (PMI) algorithm. The modeling period was weekly from December 2018 to December 2019.The PMI algorithm showed that the effective input variables for estimating the concentration of carbon monoxide (CO), carbon dioxide (CO2), sulfur dioxide (SO2), and nitrogen dioxide (NOX) pollutants at different distances are the same gas’ concentration at the power plant chimney. Among air pollutants, the maximum concentration is related to Co2 (2811.63 µg/m3), occurring at a distance of 5 km from the power plant chimney and the lowest concentration is related to Co (5.5 µg/m3, occurring at a distance of 20 km from the power plant chimney. The polynomial kernel function is the best kernel function of the SVM model for estimating SO2 and NOX concentrations at different distances and the best kernel function in the SVM model for estimating CO2 and CO concentrations.The SVM model has good accuracy and performance in estimating the pollutant concentrations, and selecting effective input variables in the SVM model with the PMI algorithm increases the model accuracy. تفاصيل المقالة