تخمين دبي جامد ورودي به مخزن سد شهريار

Estimation of Solid Load Inflow to Shahriar Dam Reservoir

ايجاد رواناب سطحي و جريان آب در آبراهه‌ها، كانال‌ها و رودخانه‌ها همواره تواًم با فرسايش خاك و حمل مواد رسوبي است. ميزان رسوبات وارده به مخزن سد باعث كاهش حجم موثر مخزن و عمر مفيد سد گشته و نيز اثرات نامطلوب بر عملكرد تاسيسات خروجي، دريچه‌هاي سازه‌هاي وابسته، پايداري و نيز كيفيت آب مخزن دارد. بنابراين برآورد حجم واقعي رسوبات وارده به مخزن از اهميت بالايي برخوردار است. به دليل پيچيدگي پديده فرسايش و انتقال رسوب و نيز تاثير پارامترهاي مختلف بر آن، تعيين معادلات حاكم مشكل بوده و در صورت تعيين مدل رياضي نيز، از دقت كافي برخوردار نيستند. در اين تحقيق از يكسو روش‌هاي كلاسيك و منحني سنجه رسوب براي پيش بيني بار كل رسوب مورد استفاده قرار گرفت. و از سوي ديگر عملكرد روش هاي داده‌گرا و هوش مصنوعي نظير شبكه‌هاي عصبي پيش‌خور، شعاع مبنا، رگرسيون تعميم يافته و نيز مدل فازي عصبي جهت برآورد دبي جامد وارده به مخزن سد شهريار مورد ارزيابي قرار گرفت. نتايج حاصله حاكي از قابليت و كارايي بالاي روش‌هاي شبكه عصبي و فازي- عصبي و ضعف و عدم توانايي منحني سنجه و روش‌هاي كلاسيك در برآورد رسوب داشت.

Soil erosion and sediment transport occur due to surface runoff and flow in channels and rivers. Sediment input rate into dam reservoirs not only decreases effective volume of reservoirs, but also has non desirable influence on intake structures, gates, stability and water quality. Thus, estimation of sediment transport input into reservoirs is an important factor. Due to complexity and effect of different parameters on erosion and sediment transport Phenomenon, the mathematical simulations of sediment transport have not enough accuracy. In this research, for predicting of solid inflow to reservoir of Shahriar dam firstly, sediment rating curve and classic methods are used. Then, the applicability of data driven and artificial intelligent approaches like feed forward, radial basis, generalized regression neural networks and neuro-fuzzy systems are evaluated. Results indicate the high capability and workability of neural network and neuro fuzzy methods and low accuracy of sediment rating curve and classic methods in simulation of sediment transport rate.