پديد آورندگان :
جوادي علي نژاد، مهسا داﻧﺸﮕﺎه ﮔﻨﺒﺪ ﮐﺎووس - ﮔﺮوه آﺑﺨﯿﺰداري , سيديان، مرتضي داﻧﺸﮕﺎه ﮔﻨﺒﺪ ﮐﺎووس - ﮔﺮوه آﺑﺨﯿﺰداري , روحاني، حامد داﻧﺸﮕﺎه ﮔﻨﺒﺪ ﮐﺎووس - ﮔﺮوه آﺑﺨﯿﺰداري , فتح آبادي، ابوالحسن داﻧﺸﮕﺎه ﮔﻨﺒﺪ ﮐﺎووس - ﮔﺮوه آﺑﺨﯿﺰداري
كليدواژه :
مﻨﺤﻨﯽ ﺳﻨﺠﻪ رﺳﻮب , رﮔﺮﺳﯿﻮن ﭼﻨﺪك , ﺟﻨﮕﻞ ﺗﺼﺎدﻓﯽ , ودﺧﺎﻧﻪ ﮔﺮﮔﺎﻧﺮود
چكيده فارسي :
سابقه و هدف: ارزيابي بار معلق رسوبي رودخانه‌ها بسيار مهم است. كيفيت آب رودخانه‌ها و محيط‌زيست تحت تأثير بار رسوب مي‌باشد. همچنين طراحي سازه‌هاي هيدروليكي و ساير تأسيسات آبرساني، مديريت حوزه آبخيز و اجراي برنامه‌هاي حفاظت خاك و مشكلات عمده‌ي ديگر ناشي از آورد رسوب رودخانه‌ها به تخمين صحيح بار رسوب وابسته است. از آنجايي كه برآورد مستقيم بار رسوبي بسيار دشوار و وقت‌گير است، لذا اين امر سبب شد محققان به برآورد غيرمستقيم بار رسوبي كه به روش‌هاي گوناگون امكان‌پذير است روي آورند. يكي از راه‌هاي آسان برآورد غيرمستقيم بار رسوبي، منحني سنجه رسوب است. اين روش تنها مي‌تواند معرف يك مقدار رسوب در يك دبي معين باشد و به علت عوامل مختلفي در طبيعت ممكن است چندين مقدار بار رسوبي براي يك دبي مشخص وجود داشته باشد. بر اين اساس در پژوهش حاضر از روش‌هاي رگرسيون چندك و جنگل تصادفي كه بتوانند مقدار بار رسوب را براي يك مقدار دبي معين در احتمالات مختلف تخمين بزنند استفاده شد. با به كار گيري اين دو روش مي‌توان احتمال وقوع بار رسوب در رويدادهاي استثايي و سيلاب‌هاي عظيم را تحليل كرد.
مواد و روش‌ها: در اين پژوهش از مدل‌هاي منحني سنجه رسوب، رگرسيون چندك و جنگل تصادفي به منظور برآورد بار رسوب چهار ايستگاه جنگلده، نوده، ارازكوسه و قزاقلي واقع در رودخانه‌ي گرگانرود در استان گلستان استفاده گرديد. به اين منظور داده‌هاي دبي- رسوب متناظر چهار ايستگاه مورد مطالعه به دو بخش 75% براي آموزش و 25% براي آزمون تفكيك شدند. در روش منحني سنجه، مقدار رسوب با استفاده از معادله‌ي تواني برازش داده شده بين دبي و رسوب متناظر، حاصل گرديد. الگوريتم‌هاي رگرسيون چندك و جنگل تصادفي با استفاده از نرم‌افزار آماري R اجرا گرديدند. مقدار بهينه پارامترهاي متغير اين دو روش با استفاده از آزمون و خطا تعيين شد. با اجراي مدل، مقدار رسوب مربوط به يك دبي در سطوح احتمال مختلف (1% تا 99%) محاسبه شد.
يافته‌ها: با به كارگيري اين دو روش، بار رسوبي در چندك‌هاي 5/2، 50 و 5/97% تعيين و دامنه عدم قطعيت در هر ايستگاه مشخص شد. روش جنگل تصادفي در ايستگاه‌هاي جنگلده و نوده با مقدار RMSE به ترتيب برابر 96 و 210 تن بر روز و رگرسيون چندك در ايستگاه‌هاي ارازكوسه و قزاقلي با مقدار RMSE به ترتيب 6453 و 24886 تن بر روز به عنوان بهترين روش برآورد بار رسوبي انتخاب شدند. مقدار معيار ارزيابي RMSE رسوب برآورد شده توسط منحني سنجه رسوب كلاسيك در ايستگاه‌هاي جنگلده، نوده، ارازكوسه و قزاقلي به ترتيب برابر 199، 288، 7505 و 25811 تن بر روز به دست آمد.
نتيجه‌گيري: نتايج نشان داد منحني سنجه رسوب كلاسيك علاوه بر اينكه قادر به برآورد بار رسوبي در دامنه‌ي عدم قطعيت‌هاي مختلف براي يك مقدار دبي معين نيست، بار رسوبي را نيز با مقدار خطاي بيشتري برآورد مي‌كند. با استفاده از روش‌هاي رگرسيون چندك و جنگل تصادفي براي يك دبي معين مقدار رسوب در احتمالات مختلف قابل پيش‌بيني است و اين امر كمك زيادي به برنامه‌ريزي صحيح و جامع براي ساخت سازه‌هاي آبي مي‌كند و از اين طريق، خطرات تخريب اين تأسيسات را كه ناشي از سيلاب‌هاي عظيم مي‌باشد كاهش مي‌دهد.
چكيده لاتين :
Background and Objectives: Assessment of suspended sediment load is very important. Water quality and environmental is under impression of sediment load. As well as the design of hydraulic structures and other water supply facilities, watershed management, soil conservation programs and another major problem caused by sediment yield is dependent on the accurate estimation of sediment load. As a direct estimation of sediment load is very difficult and time consuming, so this led the researchers to estimate sediment load as indirect that it is possible to resort to various methods. One easy way to indirectly estimate the sediment load is sediment rating curve. It can only represent invariable amount of sediment in flow and due to various factors in nature may be there is several sediment load for a known flow rate. On the basis of this study quantile regression and random forest methods was used that can estimate sediment load for a given flow rate in the various probability. The use of these two methods can be analyzed sediment load in great flood and special events.
Materials and Methods: In this study, sediment rating curve models, quantile regression and random forest was used to estimate sediment load in four stations Gorganrood River Jangaldeh, Nodeh, Arazkoose and Ghazaghli in Golestan province. For this purpose, flow and sediment data was collected at four studied stations and separated into two parts, 75% for training and 25% for testing. The rating curve was obtained using fitted power equation between discharge and sediment load. Quantile regression and random forest algorithms were implemented using R statistical software. The optimal values of the variable parameters of the two methods were determined using trial and error method. By running the model, the amounts of sediment associated with specified flow were calculated in different probability level (1% to 99%). Results: Using these two methods, sediment load was estimated in quantiles 2.5, 50 and 97.5%, respectively and range of uncertainty was determined in each station. In Jangaldeh and Nodeh stations random forest were selected as best method with RMSE criterion 96 and 210 tons per day and quantile regression were selected as best method with RMSE criterion 6453 and 24886 tons per day in Arazkoose and Ghazaghli stations. Classic rating curve method estimate sediment load in Jangaldeh, Nodeh, Arazkoose and Ghazaghli stations with RMSE 199, 288, 7505 and 25811 tons per day respectively.
Conclusion: The results showed that classic sediment rating curve not only unable to estimate the sediment load in the range of uncertainties in specified flow rate but also estimates sediment load with more error. Quantile regression and random forest methods can be estimate sediment load in various probabilities for a specified flow and this has contributed greatly to accurate and comprehensive planning for the construction of hydraulic structures and in this way, the dangers of the destruction of the facility reduction due to the great flood.
