سیل یکی از بلایای طبیعی مهمی است که همه ساله باعث ایجاد خسارت های مالی و جانی فراوانی به جوامع مختلف می گردد. به همین دلیل محققان سعی نموده اند که تغییرات کمی این پدیده را حتی المقدور به طور دقیق مورد بررسی قرار دهند. در این پژوهش جهت تخمین دبی سیلابی ایستگاه کهمان الشتر واقع در استان لرستان از مدل شبکه عصبی موجک استفاده شد و نتایج آن با سایر روش های هوشمند از جمله شبکه عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر حداکثر بارش 24 ساعته در مقیاس زمانی روزانه با تاخیرهای مختلف در طی دوره آماری (1391-1380) به عنوان ورودی و دبی حداکثر روزانه به عنوان پارامتر خروجی مدل ها انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدرمطلق خطا برای ارزیابی و عملکرد مدل ها مورد استفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین دبی سیلابی دارند، لیکن از لحاظ دقت، مدل شبکه عصبی موجک عملکرد بهتری نسبت به شبکه عصبی مصنوعی از خود نشان داده است.

تعیین دبی سیل در رودخانه ها یکی از اجزاء اصلی طراحی پروژه های مهندسی رودخانه است. با ورود جریان سیل در دشت های سیلابی و تغییر ناگهانی هندسه رودخانه، روابط ساده مقاومت جریان قابل استفاده نیستند. به همین دلیل روش های زیادی برای اصلاح محاسبه ها دبی جریان ارایه شده اند. بیشتر این روش ها در شرایط آزمایشگاهی دارای نتایج خوبی بوده، اما تعمیم آنها برای همه شرایط هندسی و هیدرولیکی رودخانه ها دشوار است. در دهه اخیر روش های هوش مصنوعی به خاطر قابلیت شبیه سازی فرایندهای پیچیده، کاربرد زیادی در زمینه های مختلف مهندسی آب یافته اند. برنامه ریزی ژنتیک که جزو الگوریتم های تکاملی محسوب می شود، قادر به بهینه سازی ساختار مدل و مولفه های آن بوده و رابطه صریحی بر اساس متغیرها و پارامترهای فرایند ارایه می نماید. در این پژوهش، با استفاده از حدود 394 داده دبی - اشل از 30 مقطع مرکب آزمایشگاهی و صحرایی و به کمک برنامه ریزی ژنتیک، رابطه ای بدون بعد بر اساس پارامترهای هندسی و هیدرولیکی رودخانه برای محاسبه دبی جریان سیل ارایه شده است. مدل سازی در دو مرحله واسنجی و صحت سنجی انجام شده است که در هر دو مرحله، نتایج محاسباتی دبی سیلاب در مقایسه با دبی مشاهداتی مطابقت خوبی را نشان می دهد. ضریب تعیین برای مراحل واسنجی و صحت سنجی به ترتیب حدود 0.99 و 0.96 به دست آمده است.

سازه ترکیبی سرریز- روزنه به دو منظور اندازه گیری دبی جریان و جلوگیری از انباشته شدن رسوبات در پشت سرریز بکار می رود. ترکیب سرریز با روزنه باعث ایجاد تغییراتی در ضریب دبی می گردد. در تحقیق حاضر با طراحی و ساخت پنج مدل ترکیبی سرریز مثلثی لبه تیز- روزنه مستطیلی، تاثیر پارامترهای هیدرولیکی از جمله فشار آب روی سرریز (h) و پارامترهای هندسی از جمله ارتفاع روزنه (d)، عرض روزنه (b) و فاصله بین بالای روزنه تا راس مثلث (y) بر ضریب دبی مورد بررسی قرار گرفت. نتایج آزمایشات نشان داد که ضریب دبی با افزایش نسبت های بی بعد h/d، h/b و h/y کاهش می یابد و مدل ترکیبی بیشتر عملکردی شبیه به روزنه دارد. همچنین رابطه ای جهت تخمین ضریب دبی جریان با R2=0.97 ارائه گردید. تحلیل حساسیت رابطه نشان داد که نسبت بی بعد h/y دارای بیشترین حساسیت و تاثیر می باشد. رابطه ارائه شده در این تحقیق با برخی معادلات ذکر شده در سایر مقالات مقایسه گردید که ضمن نشان دادن دقت این رابطه، محدوده های مشترک در سایر تحقیقات را نیز مشخص نمود.

سیل یکی از بلایای طبیعی مهمی است که همه ساله باعث ایجاد خسارت های مالی و جانی فراوانی به جوامع مختلف می گردد. به همین دلیل محققین سعی نموده اند که تغییرات کمی این پدیده را حتی المقدور بطور دقیق مورد بررسی قرار دهند. در این تحقیق، کارایی روش های شبکه عصبی مصنوعی و سامانه اطلاعات جغرافیایی در برآورد دبی سیلابی 90 زیرحوضه استان همدان (با زمان های تمرکز کمتر از 24 ساعت)، با توجه به آمار 16 ساله مربوط به 17 ایستگاه آب سنجی موجود در منطقه مورد ارزیابی قرار گرفت. بدین منظور مقادیر مساحت، ارتفاع و شیب متوسط، مساحت های گروه هیدرولوژیکی خاک، متوسط وزنی شماره منحنی نفوذ و همچنین بارندگی های یک و پنج روزه ماقبل سیل نظیر حوضه، به عنوان متغیرهای ورودی شبکه و دبی سیلابی به عنوان متغیر خروجی بکار گرفته شد. با توجه به مراحل آموزش، اعتبارسنجی و آزمون، نتایج بدست آمده نشان داد که بهترین ساختار، شبکه عصبی مصنوعی پیشخور با دو لایه پنهان به ترتیب دارای 5 و 4 عنصر پردازشگر بود. در مدل منتخب مقادیر ضریب تعیین، جذر میانگین مربع خطا و میانگین خطای مطلق در مرحله آزمون به ترتیب 0.87، 0.72 و 2.83 بودند. در نهایت با محاسبه مقادیر بیشینه بارش های یک و پنج روزه برای دوره بازگشت 25 ساله و همچنین با بکارگیری مدل بهینه منتخب، توزیع مکانی دبی سیلابی در کلیه زیرحوضه ها ارائه گردید. بر این اساس مناطق سیل خیز استان به منظور انجام برنامه ریزی مناسب توسط مسوولین ذیربط مشخص شدند. در مجموع، این نتایج بیانگر آن است که روش شبکه عصبی مصنوعی ابزاری مناسب برای مدل سازی دبی سیلابی، به ویژه در هنگام نبود داده ها یا کمبود ایستگاه های آب سنجی می باشد.

محاسبه دبی رودخانه ها در مقاطع مرکب، به علت تغییرات آنی و قابل توجه شرایط هندسی و هیدرولیکی مقطع اصلی و دشت های سیلابی بسیار پیچیده است. به همین دلیل پارامترهای متعددی در برآورد آن نقش دارند. تعیین پارامترهای مهم و انتخاب ترکیب بهینه از میان ترکیب های مختلف، یکی از مهم ترین مراحل ساخت و طراحی هر گونه مدل سازی ریاضی و هوشمند است. در این تحقیق با محاسبه 10 پارامتر بدون بعد هندسی و هیدرولیکی از 30 مقطع مرکب آزمایشگاهی و صحرایی (جمع آوری شده)، دبی جریان به کمک شبکه عصبی مصنوعی مبتنی بر روش پیش پردازش گاما تست محاسبه شده است. بر اساس نتایج این روش پارامترهای عمق نسبی، کوهیرنس مقطع، شیب عرضی بستر دشت های سیلابی و عرض نسبی دشت سیلابی موثرترین پارامترها شناخته شدند. هم چنین از میان 1023 ترکیب حاصل از 10 پارامتر ورودی، ترکیب این چهار پارامتر به عنوان مدل بهینه تعیین گردید. بررسی کفایت داده ها با استفاده از M تست برای مدل بهینه نشان داد که تعداد داده های لازم برای ایجاد یک مدل هموار برابر 300 مجموعه می باشد. دبی جریان در مقاطع مرکب با استفاده از مدل بهینه (مدل 4 پارامتری) و هم چنین مدل های بهینه 1، 2 و 3 پارامتری مدل سازی شد. سپس با نتایج مدل های حاصل از تمامی 10 پارامتر ورودی و هم چنین روش تجزیه قائم مقطع مرکب Divided Channel Method (DCM) بر اساس آماره های مختلف آماری مقایسه گردیدند. نتایج نشان داد که مدل بهینه با IPE برابر با 0.123 از بالاترین دقت و روش DCM با IPE برابر با 0.867 از کم ترین دقت برخوردارند.

در تحقیقات منابع آب، تعیین دبی سیلاب حوضه های مختلف اهمیت بسیار زیادی دارد. بنابراین، این مطالعه با هدف تعیین حداکثر سیلاب با دوره بازگشت های 10، 25، 50 و 100 سال با استفاده از مدل رگرسیونی و خصوصیات فیزیوگرافی زیرحوضه های حوضه درهرود با مساحت 12900 کیلومتر مربع در استان اردبیل، انجام شده است. در این پژوهش، داده های دبی 16 ایستگاه هیدرومتری جمع آوری و تکمیل گردید و سیلاب با دوره بازگشتهای مختلف محاسبه گردید. سپس با استفاده از نرم افزارهای ArcGIS و WMS مشخصات فیزیوگرافی زیرحوضه ها، شامل مساحت، شیب، ضریب شکل و ارتفاع متوسط، زمان تمرکز و شماره منحنی زیرحوضه ها استخراج گردید و مدل رگرسیونی سیلاب ها محاسبه گردید. نتایج کالیبراسیون مدل نشان داد که میزان حداکثر دبی سیلاب برآورد شده توسط مدل رگرسیونی برای دوره بازگشت های مختلف به خوبی با سیلاب مشاهده شده مطابقت دارد. به طوریکه میزان ضرییب تبیین در دوره بازگشت های 10، 25، 50 و 100 سال به ترتیب برابر97، 6/96، 8/95 و 7/94 درصد برآورد گردید. نتایج نشان داد مدل رگرسیون خطی با دقت بسیار خوبی قادر به پیشبینی میزان سیلاب زیرحوضه های درهرود با استفاده از پارامترهای فیزیوگرافی حوضه میباشد و با افزایش دوره بازگشت به میزان جزیی از دقت مدل کاسته میشود. همچنین نمودارهای پراکندگی نشان داد که کلیه مدل ها بسیار جزیی از حالت کم برآورد برخوردار بودند و پراکندگی نقاط حول محور یک به یک برای تمام دوره بازگشت ها، بسیار مناسب بود. بر اساس آزمون تی-استیودنت، تفاوت بین مقادیر پیش بینی شده و واقعی در دوره ی بازگشت های مختلف در سطح اطمینان یک درصد معنی دار نگردید.

وقوع سیلاب های شدید یکی از مهم ترین مخاطرات هیدرو-ژئومورفیک حوضه آبریز رودخانه سیروان است. رودخانه سیروان به عنوان یکی از شاخص ترینرودخانه هایواقع در غربایران است. طی نیم قرن اخیر خصوصا در بهاربه شدت سیلابی شده و بسیاری از کارشناسان محلی علت وقوع سیلاب های آن راتشدید ذوب برف ها و بارش ها نسبت می دهند. برای بررسی بهتر موضوع داده های طولانی تر سیلاب مورد نیاز است که در این مقاله با استفاده از داده های ژئومورفولوژیکی و سیلابی به باز سازی سیلاب ها پرداخته شده است.برای نیل به اهداف این مقاله با استفاده تصاویر ماهواره اییسایت های احتمالی رسوبات آب راکد و شواهد ژئومورفولوژیک سیلاب شناسایی گردید. رودخانه به سه بازه تقسیم شد و با بازدیدهای میدانی دقیق سایت های رسوبات آب راکد به تحلیل های چینه شناسی بر روی رسوبات پرداخته شد. باعملیات نقشه برداری، نقشه 1:1000 مسیر مورد مطالعه تهیه گردید و جمعا 48 مقطع درسه بازه، ترسیم گردید و دبی سیلاب ها در دوره های مختلف باز سازیشد. از نرم افزار HEC-RAS، GIS جهت ترسیم نقشه ها و تحلیل های هیدرولیکی بهره گرفته شد. نتایج نشان دادحداکثر دبی سیلابی برای دوره 2 ساله، 103.66 و برای دوره 1000 ساله 4785.78 مترمکعب بر ثانیه برآوردگردید. در بازه اول پالنگان، تراز آب در دوره 2 ساله،989،57 متر و برای دوره 1000 ساله  1005،36متر و در بازه دوم دله مرز، برای دوره 2 ساله، 868،42 متر و برای دوره 1000 ساله 885،91 متر، در بازه سوم رودبار، تراز آب در دوره 2 ساله، 790،17 متر و برای دوره 1000 ساله 830،42 متر به دست آمد. برآوردحداکثر دبی لحظه ایسیلاب های دیرین رودخانهنشان داد که وقوع سیلاب های بزرگ دور از انتظار نیست.نتایج نشان داد که با استفاده از شاخص دیرینه تراز PSI، می توان سیلاب های بزرگ (حداکثر دبی) را در کانال رودخانه با استفاده از مدل هیدرولیکی HEC -RAS و نرم افزار الحاقی HEC -GEORAS برآورد و تشریح نمود.

هیدرولیک جریان در مقاطع مرکب به دلیل تبادل مومنتوم بین مجرای اصلی و دشت های سیلابی پیچیده است. اکثر مطالعات در این زمینه بر محاسبه سرعت متوسط و دبی کل جریان متمرکز می باشد، در حالیکه توزیع دبی جریان در مجرای اصلی و دشت های سیلابی هم مهم است. در شرایط سیلاب و ورود جریان به دشت های سیلابی، انتقال رسوب کف و معلق فقط توسط دبی مقطع اصلی انجام شده و نقش دبی جریان در دشت های سیلابی ناچیز است. همچنین برای پیش بینی تغییرات مورفولوژی رودخانه ها، تعیین سرعت و تنش برشی در مجرای اصلی و دشت های سیلابی به صورت تفکیک شده لازم بوده و استفاده از سرعت متوسط نتایج دقیقی ارائه نمی کند. در این تحقیق، با استفاده از 102 داده دبی اشل از 14 کانال آزمایشگاهی با مقطع مرکب، دبی تفکیکی جریان در این کانال ها به کمک دو روش نوین بهینه سازی برنامه ریزی ژنتیک و مدل درخت تصمیم محاسبه شده و با نتایج روش های تجربی مقایسه شده است. نتایج نشان می دهد که این دو روش به ترتیب با خطای متوسط 2.1 و 6 درصد قابلیت مناسبی در برآورد دبی جریان در مجرای اصلی مقاطع مرکب آزمایشگاهی دارند. روش تجزیه قائم مقطع مرکب با خطای حدود 19 درصد بیشترین خطا را در بین روش های تجربی دارا می باشد. برای برآورد دبی جریان در دشت های سیلابی، علاوه بر روش های برنامه ریزی ژنتیک و مدل درخت تصمیم، روش تجزیه قائم مقطع مرکب نیز دارای دقت مناسبی است.