Study of Duckbill Weir with Triangular and Curved Plan Form
محورهای موضوعی : Irrigation and Drainageالهه حسینیان 1 , سید محمود کاشفی پور 2 , داریوش کرمی چمه 3 , علی حسینیان 4
1 - کارشناس ارشد سازههای آبی، دانشگاه شهید چمران اهواز، اهواز، ایران.
2 - استاد گروه سازههای آبی دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز، اهواز، ایران.
3 - کارشناس ارشد سازههای آبی، شرکت مهندسین مشاور دزآب، اهواز، ایران.
4 - دانش آموخته مهندسی مکانیک، دانشگاه آزاد واحد شوشتر، شوشتر، ایران.
کلید واژه: هیدروگراف سیل, Flood hydrograph, پاییندست رودخانه, حجم سیلاب, Downstream andFloodvolume,
چکیده مقاله :
Constructing ofcontrolstructures, like dams, change temporal and spatial unequal distribution of water,and also play an effective role in reduce or eliminate of damage that caused byfloods. So reservoir dam’s effect on floodsdischarges reduction must be determined. Inthisstudy the rain Information and flood hydrographs were used to check the flood routing for previous period of Maroon dam constructing, with using ANNs. The effect of Maroon dam Constructing, on peak of flood reduction were specified. ANNs has Indicated that it canpredict flood hydrographs at testing phase as well. Comparison of the predicted and observed hydrographs in Behbehan hydrometric station showed that, for the most severe floods during the considered period, the dam was able to control the flood and to reserve about 121.74 MCM. Also the peak flow was decreased from 1975 m3/s to 500 m3/s.
احداث سازه های کنترل کننده منابع آب، نظیر سد، علاوه بر اینکه توزیع نابرابر زمانی و مکانی آب را تغییر می دهد، نقش مؤثری در کاهش یا حذف خسارات ناشی از سیلاب را نیز بازی می کند. بنابراین، باید تأثیر سدهای مخزنی بر کاهش دبی سیلاب ها تعیین شود. در تحقیق حاضر، با استفاده از اطلاعات بارش و هیدروگراف های سیل منطقه مورد مطالعه، به روندیابی سیل در دوره قبل از احداث سد با استفاده از شبکه عصبی مصنوعی پرداخته شد و با به کارگیری این مدل، تأثیر احداث سد مخزنی مارون بر میزان کاهش دبی حداکثر سیل در پایین دست رودخانه مشخص شد. شبکه های عصبی مصنوعی نشان دادند که می توانند هیدروگراف سیل را در مرحله آزمون به خوبی پیش بینی کنند. از مقایسه هیدروگراف پیش بینی شده توسط مدل و هیدروگراف مشاهده شده در ایستگاه بهبهان برای شدیدترین سیل به وقوع پیوسته در دوره بعد از احداث، مشخص شد که سد به خوبی توانسته تمامی حجم سیلاب معادل 74/121 میلیون متر مکعب را ذخیره کند. همچنین، دبی اوج هیدروگراف در پایین دست سد از مقدار 1975 متر مکعب بر ثانیه به حدود 500 مترمکعب بر ثانیه کاهش یافته است.
امیری، ا.، نیکو، م. و نیکو، م. ) 1392 (. روندیابی سیلاب در رودخانه مارون با استفاده از سریهای زمانی در شبکههای
عصبی مصنوعی مودولار. نشریه فضای جغرافیایی، 13 ( 42 :) 229 - 251 .
حسینی، م.، میر صالحی، م. م. و ساقی، ح. ) 1380 (. استفاده از شبکه عصبی مصنوعی در روندیابی متمرکز سیلاب.
مجموعه مقالات سومین کنفرانس هیدرولیک ایران، دانشگاه تهران.
دستورانی، م. ت.) 1386 (. بررسی کاربرد مدلهای هوش محاسباتی در شبیه سازی و پیشبینی بهنگام جریانهای
سیلابی. مجله علوم و فنون کشاورزی و منابع طبیعی، 40 )الف(: 27 - 37 .
رضایی، م. ) 1384 (. تخمین روندیابی سیل با استفاده از شبکه عصبی مصنوعی و مقایسه با روش ماسکینگهام کونژ
)مطالعه موردی: رودخانه کارون(. پایاننامه کارشناسی ارشد، دانشگاه شهید چمران اهواز.
شکوهی، ع. و دانشور، ش. ) 1386 (. بررسی تأثیر احداث مخازن تأخیری در حوضه های آبریز در مقایسه با عملیات
موضعی مهندسی رودخانه برای کنترل سیل در محدوده شهر. تحقیقات منابع آب ایران، 3 ( 7 :) 80 - 83 .
صمدی بروجنی، ح.، فصاحت، و. و هنربخش، ا. ) 1388 (. تأثیر احداث سد مخزنی در کاهش دبی اوج سیلاب با
استفاده از نرم افزار HEC-HMS در حوضهی آبخیز جونقان فارسان. هشتمین سمینار بین المللی مهندسی –
رودخانه، دانشگاه شهید چمران اهواز.
قلخانی، ح.، ثقفیان، ب. و گلیان، س. ) 1388 (. کاربرد شبکه عصبی مصنوعی در روندیابی زمان واقعی سیلاب رودخانه.
مجموعه مقالات هشتمین کنفرانس هیدرولیک ایران، دانشگاه تهران.
Modarres, R. (2009). Multi-criteria validation of artificial neural network rainfall-runoff modeling. Earth Syst. Sci.,13, pp: 411-421.
Peters, R., Schmitz, G. and Cullmann, J. (2006). Flood routing modeling with artificial networks. Adv. Geosci., 9, pp: 131-136.
Schmitz, G.H. and Cullmann, J. (2008). PAI-OFF: A new proposal for online flood forecasting in flash flood prone catchments. J. Hydrol., 360: 1-14.
Tabachnick, B.G. and Fidell, L. S. (2007). Using multivariate statistics. 5th ed., Pearson Education, pp: 217-218.
