محدوده مطالعاتی بابل – آمل، شامل حوزه آبریز رودخانه های هراز و بابل و دلتای مشترک آنها یعنی دشت بابل – آمل می باشد طول دشت در امتداد دریا حدود 54 کیلومتر و عرض آن نیزحدود 40کیلومتر است.
وسعت این محدوده مطالعاتی حدود 6712 کیلومتر مربع می باشد. نظر به اهمیت مطالعات آبهای زیرزمینی و نقش اصلی واحدهای سنگی تشکیل دهنده سفره ها در این بررسی سعی شده با استفاده از داده های حاصل از لوگ های ژئوفیزیکی و ستون چینه ای تهیه شده به هنگام حفر چاههای اکتشافی، لایه های رسوبی تشکیل دهنده دشت تا عمق بین 50تا  100 متر مشخص گردد.

چکیده:

تامین آب مناسب برای شهروندان، جزء اولویت های مهم در برنامه ریزی مدیران هر شهر می باشد. امروزه به دلیل کمبود منابع آبی، این مساله اهمیت بسیار بیشتری را به خود گرفته است. درخیلی از مناطق، از قبیل بعضی از شهرها و مناطق در کشور ما، این مساله تبدیل به یک مساله بسیار مهم و حتی بحرانی شده است. به طوری که در بعضی از شهرها و در بعضی از فصول، مشکل تامین آب مناسب، دغدغه هر روزه مدیران آن شهر شده است. افزایش اهمیت مدیریت آب شهری، منجر به تلاش بیشتر در جهت یافتن راه حلهای علمی برای این مساله شده است. به منظور تامین فشار مجاز در شبکه و جلوگیری از نشت شبکه شهر را میتوان منطقه بندی کرد. در این مقاله وضعیت تامین آب در وضعیت فعلی و در افق کوتاه مدت(در سال 1400 ) در شهر گرگان با توجه به منطقه بندی موجود در مدل MODSIM بررسی شده است، نتایج نشان میدهد که در برخی از منطقه ها مانند منطقه 3 که جمعیت بیشتر شهر در آن قسمت میباشد مقدار آسیب پذیری سیستم به m3/day 8449 افزایش و اعتمادپذیری سیستم به 29 درصد کاهش می یابد ،در نتیجه باید تصمیم های کاربردی تری برای قسمت های حساس تر اتخاذ کرد.

چکیده
افزایش جمعیت و محدویت منابع، بشر را به سوی استفاده بهینه از منابع مختلف سوق داده است . با توجه به نقش اساسی آب در زندگی بشر، مدیریت بهینه منابع آب از جمله مباحثی است که بایستی توجه خاصی به آن معطوف گشته و از ابزارهای مناسب بهینه سازی جهت بهره بردای از آن استفاده گردد . در این تحقیق سعی شده وضعیت تامین آب در شرایط فعلی و در افق کوتاه مدت (در سال 1400 )MODSIM است به کمک مدل ریاضی در شهر گرگان بررسی شود. نتایج حاکی از این است که در این فاصله زمانی اعتمادپذیری سیستم تا 27 درصد کاهش یافته و مقدار آسیب پذیری سیستم نیز تا l/s 150افزایش خواهد یافت. بنابراین تامین آب شهر گرگان با  وضعیت فعلی در سال 1400 با مشکل مواجه خواهد شد. با توجه به این که قسمت اعظم آب شرب شهر از آب زیرزمینی می باشد، لذا بایستی راهکارهایی مناسب برای تامین نیاز سالهای آتی در نظر گرفته شود.

چکیده
باتوجه به رشد روز افزون جمعیت و ضرورت استفاده بهینه از منابع آب موجود، استخراج روابط دقیق میان داده های بارندگی و دبی برای نیل به اهداف مدیریت آبیاری، مدلسازی فرآیندهای هیدرولوژیکی و توسعه منابع آب، از اهمیت ویژه ای برخوردار میباشد. از اینرو در این تحقیق به منظور استخراج روابط رگرسیونی بارش-رواناب در حوزه آبریز رودخانه بابل رود واقع در استان مازندران، از دادههای بارندگی و دبی 10 ایستگاه بارانسنجی و 2 ایستگاه هیدرومتری با طول دوره آماری 30 سال استفاده شده است برای این منظور از دادههای 27 سال (که به صورت تصادفی انتخاب شدند) برای واسنجی مدل و تعیین ضرایب معادلات رگرسیونی و از داده های 3 سال باقیمانده، برای صحت سنجی معادلات حاصل، استفاده شد. پس از بازسازی و تکمیل آمار باتوجه به همبستگی بین ایستگاهها، روابط رگرسیونی بین آنها محاسبه شد و از بین آنها برای هرماه بهترین رابطه، انتخاب و معرفی گردید .همچنین نتایج این تحقیق نشان داد که در مقیاس زمانی ماهانه، بهترین معادله در بین تمام معادلات استخراج شده برای ایستگاه بابل کشتارگاه با توجه به کمترین میزان خطا، معادله 6 پارامتری مربوط به ماه مرداد می باشد.

چکیده
آب یکی از چالش های قرن حاضر شده که در آینده به عنوان یکی از مشکلات عمده بشریت به حساب خواهد آمد.تامین آب مناسب برای شهروندان، جزء الویتهای مهم در برنامه ریزی مدیران هر شهر میباشد. امروزه به دلیل کمبود منابع آبی، این مساله اهمیت بسیار بیشتری را به خود گرفته است. درخیلی از مناطق، از قبیل بعضی از شهرها و مناطق در کشور ما، این مساله تبدیل به یک مساله بسیار مهم و حتی بحرانی شده است. در این تحقیق سعی شده که منابع آبی موجود شهر گرگان، پتانسیل آبی و پتانسیل مصرفی شهر شناخته شود. برای مصرف و استفاده صحیح از آب منطقه با توجه به اینکه بیشتر آب مصرفی شهر از آب زیرزمینی بوده و در سطح سفره آب زیرزمینی ما افت قابل ملاحظهای داریم راهکارهایی مناسب برای سالهای آتی داده شود.
کلمات کلیدی:منابع آبی، گرگان، مصرف، آب زیرزمینی،افت

Abstract

In recent years, artificial neural networks (ANNs) have been successfully used as a tool to model various non-linear relations, and the method is appropriate for modelling the complex nature of hydrological systems. Owing to the complexity of the hydrological process, Particle Swarm Optimization Neural Networks (PSONNs) is the superior model that is able to calibrate the daily flow discharge accurately by using only flow data. Therefore, a new evolutionary algorithm (EA) named particle swarm optimization (PSO) is proposed to train the feedforward neural networks. This particle swarm optimization feedforward Neural Networks (PSONNs) is applied to model the daily flow discharge for Babolrood river in Mazandaran a province in Iran. With the input data of antecedent flow discharge, the optimal configuration of PSONNs is able to simulate current flow discharge successfully with an accuracy of R2=0.683, MSE=0.0023 and MAE=0.0206 for training and R2=0.736, MSE=0.0024 and MAE=0.0206 for testing data set. The performance of the newly developed PSONNs demonstrated the success in modeling flow discharge for the Babolrood River

Keywords: ANNs, PSO, PSONNs, Babolrood river, Daily flow prediction