روندیابی سیلاب رودخانه با استفاده از برنامه ریزی ژنتیک و موج دینامیکی

چکیده سیل یکی از پیچیده ترین و مخرب ترین رویدادهای طبیعی است که بیش از هر بلای طبیعی دیگر جان و مال انسانها و شرایط اجتماعی و اقتصادی را به مخاطره می اندازد. برای کاهش خسارات جانی و مالی سیلاب لازم است درک صحیحی از خصوصیات هیدرولیکی و روند یابی سیلاب داشته باشیم. روش های روندیابی سنتی سیلاب مانند روش موج دینامیکی و یا استفاده از نرم افزارهایی نظیر hec ras نیاز به نقشه برداری و داده های هیدرومتریک داشته از این رو استفاده از روش های مذکور برای روندیابی سیلاب هزینه بر و در بعضی مواقع به علت در دسترس نبودن داده های مربوط به مقاطع عرضی غیر ممکن است به همین دلیل تکنیک های مدل سازی ساده به کار برده شده اند تا مشکل فقدان داده های موردنیاز را حل کنند. مدل های ساده ای نظیر ماسکینگام و ماسکینگام کونژ و یا تکنیک هایی نظیر موج دیفیوژن با اعمال فرضیاتی محدود شده اند بنابراین ممکن است در خیلی از موارد نتایج معقولی از آنها گرفته نشود؛ از این رو لزوم بررسی تکنیک های هوش مصنوعی و از آن جمله برنامه ریزی ژنتیک بیش از پیش احساس می شود. در این تحقیق عملکرد دو مدل موج دینامیکی و برنامه ریزی ژنتیک در پیش بینی هیدروگراف خروجی رودخانه زنگمار در ایستگاه پلدشت مورد بررسی قرار گرفته است. بررسی هیدروگراف های سیلاب اندازه گیری شده رودخانه فصلی زنگمار نشان می دهد حجم هیدروگراف خروجی از ایستگاه پلدشت به مقدار قابل توجهی از هیدروگراف ورودی در ایستگاه ماکو کمتر است از این رو در این تحقیق مدل کامپیوتری برای مقاطع نامنظم رودخانه ای توسعه داده شده تا به طور همزمان نشت در مسیر جریان را نیز محاسبه نماید. نتایج این تحقیق نشان داد روندیابی سیلاب رودخانه زنگمار با در نظر گرفتن تلفات نشت، موجب می شود مدل نوشته شده، در مقایسه با داده های صحرایی، هیدروگراف خروجی را با دقت خوبی پیش بینی کند. نرم افزار های مختلفی در زمینه برنامه ریزی ژنتیک وجود دارد که در این تحقیق از نرم افزار genxpro tools برای روندیابی سیلاب رودخانه زنگمار استفاده شده است. مدل برنامه ریزی ژنتیک بدون هیچ فرضی در ساختار رابطه بین متغیر های وابسته و مستقل بهترین رابطه بین هیدروگراف ورودی و خروجی را پیش بینی می کند. ساختار این رابطه به وسیله یک سری توابع و ترمینال ها و به کمک ساختار شاخه ای مربوط به آنها تعیین می شود. بررسی عملکرد مدل های برنامه ریزی ژنتیک و موج دینامیکی با پارامتر های آماری جذر میانگین مربعات خطا، میانگین مربعات خطا، ضریب همبستگی و خطای نسبی نشان می دهد مدل برنامه ریزی ژنتیک با دقت بیشتری حجم هیدروگراف خروجی را پیش بینی می کند در حالی که عملکرد مدل موج دینامیکی در پیش بینی مقدار پیک هیدروگراف خروجی بهتر از مدل برنامه ریزی ژنتیک است. کلمات کلیدی: روندیابی سیلاب ، رودخانه زنگمار ، موج دینامیکی ، برنامه ریزی ژنتیک