درباره این پروژه:

عنوان دقیق تر این پروژه عبارت است از:

تعیین تابع تصمیم ناهنجاری تغییرات بلند مدت تراز آبخوان در ارتباط با تغییرات خشکسالی اقلیمی به سه روش RC، SVM و IF و تحلیل عدم قطعیت گذر از شرایط پایدار به روش Crude Monte Carlo، با رویکرد IS در رقوم پیش بینی خشکسالی آب زیرزمینی.

در این مطالعه، به روش Crude Monte Carlo، با رویکرد Importance Sampling، گذر از شرایط پایدار جهت تعیین قابلیت اطمینان تغییرات بلند مدت سطح آب زیرزمینی در بازه زمانی 1373 تا 1400، مورد بررسی قرار گرفت. در دوره دوم، نواحی مشخصی از کشور در بخش های شرقی شمال غرب، قسمت های مرکزی کویر ایران، و حدود پراکنده ای از غرب-جنوب غربی و شرق-جنوب شرقی به نسبت دیگر نواحی از احتمال پایین تری در گذر از شرایط بحرانی برخوردار بوده‌اند. در مقابل احتمال شکست بخش های زیادی از دشت های 609 گانه بیش از 80%، وقوع خشکسالی  را تأیید می کنند. همچنین در بررسی علت تغییرات شدید مکانی احتمال شکست قابلیت اطمینان، از روش‌های تحلیل داده پرت و تعیین الگوی ناهنجاری به سه روش تعریف تابع تصمیم در تعیین نقاط پرت تحت عناوین Robust Covariance، One-Class SVM و Isolation Forest استفاده شد. در تعیین ناهنجاری از دو روش DFFITS و DFFITS در ترکیب با COOK Distance در تأیید وجود دشت‌های ناهنجار در رقوم دو بعدی میانگین شاخص‌های پایه استفاده گردید. در نهایت روش محاسبات، گزارش روش و مواد بکار رفته در تحلیل ها، در قالب یک گزارش 88 صفحه ای به همراه تمام داده های محاسباتی آمده است.

 

تشریح مفاهیم کلی پروژه:

در مطالعات تجربی و محیطی که قابلیت تولید نتایج قطعی وجود ندارد، همواره پیش بینی ها بر پایه احتمالات و با درصدی از ریسک پذیرفته شده است. مقدار این ریسک معادل با هزینه اتخاذ تصمیم های اشتباه می باشد. درحالی که اگر مطالعات مهندسی در پهنه وسیعی از منطقه صورت پذیرد، در این صورت دامنه زیان اشتباهات مدیریتی که به علت خطای محاسباتی در بررسی های کمی شکل می گیرد، عملا می تواند منجر به ناکارآمدی های فاجعه باری گردد. بنابراین در هر مطالعه لزوم بررسی علت وقوع خطاها و همچنین در شکلی مهم‌تر، بررسی صحت نتایج وجود دارد. این بررسی می تواند به صورت تحلیل از طریق روش های مختلف آماری و مقایسه نتایج صورت پذیرد.

در واقع اگر 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. هدف اصلی تحلیل عدم قطعیت، تعیین خصوصیات آماری یک مدل 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.

 

اما همسو با مطالعات عدم قطعیت، افزایش قابلیت کارایی و کاهش نامطمئنی ها در مدل های شبیه ساز تجربی، که بر پایه کشف روند اولیه فی مابین ارقام مشاهداتی ایجاد شده‌اند، به دقت تشخیص همان الگوی روند وابسته است. وجود داده هایی که از نظر توزیع آماری شرایطی منحصر و متفاوت از ساختار هسته مرکزی دیگر داده ها داشته باشند، می تواند پیش بینی ها را با خطا مواجه کرده و اصطلاحا نتایج مدل تجربی متأثر از ناهنجاری های آماری دچار انحراف می گردد. در تشریح مفهوم ناهنجار یابی یا استخراج داده هایی که دارای الگوی متفاوتی هستند، گفته می شود که، یک مجموعه داده از n مشاهدات با توزیع مشابه و با ویژگی های p  در نظر گرفته می شود؛ اکنون یک مشاهده دیگر به آن مجموعه داده اضافه می گردد؛ آیا مشاهدات جدید خیلی متفاوت از موارد قبلی است؟ که بتوان در پیروی آنها از توزیع پایه تردید داشت؟ به این مفهوم که آیا از یک توزیع مشابه ناشی می گردند؟ یا برعکس، آیا خیلی نامشابه آن است که بتوان تفاوت آنها را از مشاهدات اصلی تشخیص داد؟ این سؤال مطرح شده، توسط ابزار و روش های تشخیص ناهنجاری مورد بررسی واقع می شود.

برای انجام پروژه در این زمینه و یا حیطه های دیگر هیدرولوژی و منابع آب در تماس باشید (09190622992).

مدیر سایت: بهزاد سرهادی

شماره تلفن: 09190622992

شناسه تلگرام مدیر سایت: SubBasin@

نشانی ایمیل: behzadsarhadi@gmail.com

(سوالات تخصصی را در گروه تلگرام ارسال کنید)

_______________________________________________________

×

 براي پيوستن به بزرگترين گروه تلگرام علوم و مهندسي آب با امکان تبادل نظر بين اعضاء کليک کنيد

کتاب کاربرد مدل QUAL2KW

کتاب کاربرد GIS در منابع آب

کتاب محاسبه سيل طرح