دانلود آموزش پروژه محور تحلیل عدم قطعیت تکرار خشکسالی آبخوان به روش FORM
درباره این پروژه:
پروژه حاضر شامل هدف اصلی تحلیل عدم قطعیت، تعیین خصوصیات آماری یک مدل به عنوان تابعی از پارامتر های ورودی احتمالاتی است. در اینجا با استفاده از کد های اجرایی زبان برنامه نویسی پایتون، احتمال وقوع شرایط خشکسالی به عنوان پایه مطالعات پیشین در حدس کاهش کیفیت آب، با محاسبه قرار گیری تابع عملکرد بر پایه شاخص خشکسالی GRI در فضای شکست، و با استفاده از روش FORM در داده های بلند مدت 609 دشت مطالعاتی کشور ایران مورد بررسی و محاسبه قرار گرفت. به منظور اجرای روش "مرتبه اول قابلیت اطمینان" بر روی داده های شاخص خشکسالی، از بازه بلند مدت آمار سالیانه 1373 تا 1394 رقوم مشاهداتی سطح آب زیرزمینی استفاده شد که در آن معیار شرایط پایه در این حالت تغییرات بازه 1373 تا 1383 بوده است. و در مقابل توزیع سری زمانی در بازه 1384 تا 1394 نیز به عنوان حدود تکرار در شرایط پیش بینی انتخاب گردید. نقشه های این محاسبات با استفاده از پهنه بندی در محیط GIS صورت گرفته است. در نهایت روش محاسبات، گزارش روش و مواد بکار رفته در تحلیل ها، در قالب یک گزارش 37 صفحه ای به همراه تمام داده های محاسباتی آمده است.
تشریح مفاهیم کلی پروژه:
پیامد ها یا پدیده هایی که پیش بینی دقیق آن ها ممکن نیست، وقایع ریسکی یا وقایع غیر قطعی نامیده می شوند. عبارت ریسک اغلب برای توصیف شرایطی به کار می رود که برای تعریف درست نمایی پدیده ها یا پیامد های مختلف، مقدار احتمالات در دسترس باشند. اگر احتمالا پدیده ها یا پیامد های مختلف قابل کمی کردن نباشند یا پدیده های پیش بینی پذیر نباشند، به آن ها غیر قطعی می گویند. عدم قطعیت در اطلاعات، امری ذاتی در فعالیت های برنامه ریزی مربوط به آینده است. این امر از اطلاعات ناکافی و فرضیه های نادرست و همچنین از تغییر پذیری فرآیند های طبیعی طی زمان و مکان ناشی می شود. مدیران آب اغلب نیاز دارند عدم قطعیت و تغییرات در مقادیر شاخص کارایی سامانه را به دلیل هر تغییری در داده های ورودی و مقادیر پارامتر های ممکن که پیش بینی شده اند، تعیین کنند. آن ها باید این سطح عدم قطعیت را برای توسعه کاربردی طرح های مهندسی تعدیل کنند.
بررسی نحوه انتقال عدم قطعیت های ورودی ها و پارامتر های مدل به عدم قطعیت های خروجی مدل بسیار ارزشمند است؛ بخصوص زمانی که شرایط واقعی حاکم بر سامانه مورد مدل سازی با آنچه توسط مدل سازی تعریف می شود، تفاوت داشته باشد. داده های ثبت شده تاریخی از سامانه معمولا به عنوان اساس ورودی های مدل، مورد استفاده قرار می گیرند؛ در حالی که شرایط آینده به دلایل مختلف ممکن است تغییر کند.
هدف اصلی تحلیل عدم قطعیت، تعیین خصوصیات آماری یک مدل (در اینجا مدل شبکه عصبی مصنوعی) به عنوان تابعی از پارامتر های ورودی احتمالاتی است. تحلیل عدم قطعیت تلاش می کند که یک ساختار اصولی برای شناسایی عدم قطعیت مربوط به خروجی مدل را فراهم کند. علاوه بر آن، تحلیل عدم قطعیت بینش طراحان در خصوص سهم هر یک از پارامتر های ورودی احتمالاتی در عدم قطعیت کلی خروجی مدل را مشخص می کند. خطا های تقریب های بکار رفته در اندازه گیری داده های ورودی، مقادیر پارامترها، ساختار مدل و الگوریتم حل مدل، همگی منابع عدم قطعیت هستند. با وجود راه های بسیار زیاد به منظور کمی کردن و کاهش این خطا ها در تقریب مقادیر غیر قطعی موجود در هر سامانه منابع آب، حذف عدم قطعیت ها غیر ممکن است و تصمیمات مدیریتی سامانه همچنان باید برای شرایط ریسکی و غیر قطعی آینده به روز شوند. این تصمیمات می توانند بر اساس داده ها و دانش جدید حاصل از پایش و مدیریت انطباقی سامانه اصلاح و تکمیل شوند.
شناسه تلگرام مدیر سایت: SubBasin@
نشانی ایمیل: behzadsarhadi@gmail.com
(سوالات تخصصی را در گروه تلگرام ارسال کنید)
_______________________________________________________
نظرات (۰)