ORIGINAL_ARTICLE
تخمین استغراق بحرانی در آبگیر سد آیدوغموش با کاربرد مدلFLUENT
آبگیرها جهت انحراف آب برای مقاصد مختلف از جمله کشاورزی، آبرسانی شهری، صنایع و تولید برق مورد استفادهقرار میگیرند. سازه آبگیر در شرایط استغراق کم میتواند مستعد وقوع گرداب باشد. استغراق کافی برای جلوگیری ازایجاد گرداب و مقابله با محبوس شدن هوا در آبگیرها ضروری است. در این تحقیق، جریان ورودی به سیستم آبگیر سدبه روش عددی حجم محدود در شرایط هیدرولیکی مختلف بررسی شد. نتایج FLUENT آیدوغموش با استفاده از مدلبهدست آمده از این مدل با مقادیر اندازهگیری شده در مدل فیزیکی آبگیر مورد مقایسه قرار گرفت. سیستم آبگیر سدآیدوغموش شامل برج آبگیر به ارتفاع 40 متر میباشد که دارای چهار تراز آبگیری است. خصوصیات جریان در چهارحالت از آبگیری (بازشدگی دریچههای 3 ،2 ،1 و 4) بررسی شد و مقادیر ارتفاع پیزومتریک و سرعت جریان در نقاط0/ برابر با 13 RMSE محاسبه گردید. حداقل خطای برآورد تراز پیزومتریک با معیار FLUENT مختلف برج توسط مدل0 متر بود. مقدار استغراق بحرانی برای چهار وضعیت از / 2 متر و مقدار میانگین آن 67 / متر، حداکثر مقدارآن 423 متر بدست آمد. براساس / بازشدگی دریچههای 3 ، 2 ، 1 و 4 با استفاده از معیار ناس در شرایط نرمال برابر با 96مقدار استغراق بحرانی به شرایط هیدرولیکی در آبگیر بستگی دارد. ، FLUENT نتایج بدست آمده از مدل فیزیکی و مدل
https://water-soil.tabrizu.ac.ir/article_1328_b92ca8a913a69b0f8dcc00ecd5c99be8.pdf
2010-10-23
1
14
آبگیر
استغراق بحرانی
گرداب
مدل FLUENT
شبنم
پرتوی آذر
1
گروه مهندسی آب دانشگاه تبریز
AUTHOR
داود
فرسادی زاده
farsadi-d@yahoo.com
2
گروه مهندسی آب دانشگاه تبریز
LEAD_AUTHOR
علی
حسین زاده دلیر
ahdalir1@yahoo.co.uk
3
گروه مهندسی آب دانشگاه تبریز
AUTHOR
فرزین
سلماسی
ferzin.salmasi@gmail.com
4
گروه مهندسی آب دانشگاه تبریز
AUTHOR
علی اشرف
صدرالدینی
5
گروه مهندسی آب دانشگاه تبریز
AUTHOR
انتظاری ع، 1385 . مکانیک سیالات (ترجمه). نشر نوپردازان.
1
بیرامی م ک، 1382 . سازه های انتقال آب. مرکز نشر دانشگاه صنعتی اصفهان.
2
بی نام، 1380 . گزارشنهایی مدل هیدرولیکی سیستم آبگیر سد آیدوغموش (میانه) ، مرکز تحقیقات آب – وزارت نیرو.
3
شمسایی ا، 1383 . طراحی و ساخت سد های مخزنی (جلد چهارم) تاسیسات هیدرولیکی. انتشارات دانشگاه علم وصنعت
4
ایران.
5
Anonymous, 2001. FLUENT 6.0 user's guide. Fluent Inc.
6
Gordon JL, 1970. Vortices at intakes. Water Power 4: 137–138.
7
Hecker GE, 1981. Model prototype comparison of free surface vortices. Journal of Hydraulic
8
Engineering, ASCE 107 (HY10): 1243-1259.
9
Hite JE and Mih WC, 1994. Velocity of air-core vortices at hydraulic intakes. Journal of Hydraulic
10
Engineering, ASCE 120: 284-297.
11
Knauss J, 1987. Swirling flow problems at intakes. pp. 13–38. IAHR Hydraulic Structures Manual,
12
Balkema, Rotterdam, Netherlands.
13
Marcano A, Rojas-Solorzano L, Reyes M, and Marin J, 2004. 3-D CFD modeling-investigation of
14
potential vortex formation at the intakes of Caruachi powerhouse. pp. 61-68. Hydraulics of
15
Dams and River Structures, London.
16
14 پرتوی آذر، فرسادیزاده و ... مجله دانش آب و خاک/ جلد 20 / شماره 3 / سال 1389
17
Mendenhall W and Sincich T, 1994. Statistics for Engineering and Sciences. Prentice-Hall Pub. Co.
18
Inc., London.
19
Odgaard AJ, 1986. Free-surface air core vortex. Journal of Hydraulic Engineering, ASCE 112: 610-
20
Yildirim N and Kocabas F, 1995. Critical submergence for intakes in open channel flow. Journal of
21
Hydraulic Engineering, ASCE 121: 900-905.
22
Yildirim N and Kocabas F, 1998. Critical submergence for intakes in still-water reservoir. Journal
23
of Hydraulic Engineering, ASCE 124: 103-104.
24
Yildirim N, Kocabas F, and Gulcan SC, 2000. Flow-boundary effects on critical submergence of
25
intake pipe. Journal of Hydraulic Engineering, ASCE 126: 288-297.
26
Yildirim N and Kocabas F, 2002. Prediction of critical submergence for an intake pipe. Journal of
27
Hydraulic Research 40: 507-516.
28
ORIGINAL_ARTICLE
تاثیر پلی آکریل آمید، کود دامی، ورمی کمپوست و لجن بیولوژیکی بر پایداری خاکدانه ها، مقاومت فروروی و آب قابل استفاده در یک خاک لوم شنی
تشکیل سله باعث افزایش مقاومت فروروی و کاهش سرعت نفوذ آب به خاک در اثر آبیاری و بارندگی میگردد. هدف ازاین تحقیق، بررسی اثر چهار اصلاح کننده آلی طبیعی و مصنوعی بر پایداری خاکدانهها، مقاومت فروسنجی و آب قابلاستفاده در یک خاک لوم شنی با ساختمان ضعیف در شرایط گلخانهای بود. اصلاح کنندهها در دو سطح شامل پلیآکریل3/ 1 و 4 / 2 و 5 و لجن بیولوژیکی 7 / 12 و 25 ، ورمی کمپوست 5 / 0 ، کود گاوی 5 / 0 و 5 / به میزان 25 (PAM) آمید(همگی بر حسب گرم در کیلوگرم خاک هوا خشک) با خاک مخلوط و به طور یکنواخت در تشتهای پلاستیکی و در0/7-0/8 ) و دمای )FC لولههای پولیکا به ترتیب به ارتفاع 25 و قطرهای 50 و 15 سانتیمتر پر گردیده و در رطوبت22±4 به مدت 6 ماه نگهداری (اینکوبه) شدند. تشتها به منظور برداشتن نمونههای خاک برای اندازهگیری پایداری ºCدر زمانهای 120 ،60 ،30 ،7 و 180 روز استفاده گردیدند. (AWC) و ظرفیت آب قابل استفاده (WAS) خاکدانهها در آبباعث افزایش PAM در همان زمانها در لولههای پولیکا اندازهگیری شد. هر دو سطح مصرفی (PR) مقاومت فروروینسبت به شاهد و بقیه اصلاح کنندهها گردید و این افزایشتا 180 روز دوام داشت. هر دو WAS (p<0/ معنی دار ( 05در مقایسه با شاهد گردیدند. اثرات اصلاحی PR (p<0/ و کود دامی باعث کاهش معنیدار ( 05 PAM سطح مصرفیمعنیدار نشد. سطح مصرفی دوم PR و کاهش WAS سطوح مصرفی ورمی کمپوست و لجن بیولوژیکی از نظر افزایشگردید. بر اساس نتایج این تحقیق انتظار میرود که به AWC (p<0/ همه اصلاح کنندهها باعث افزایش معنیدار ( 10به خاطر هزینه کمتر و یا 25 گرم بر کیلوگرم کود دامی به خاطر سهولت تامین، PAM 0 گرم بر کیلو گرم / کارگیری 25باعث بهبودی ساختمان و افزایش ظرفیت نگهداری آب در خاکهای درشت بافت گردد.
https://water-soil.tabrizu.ac.ir/article_1329_56e99a390700b55207640743d246050d.pdf
2010-10-23
15
29
آب قابل استفاده
اصلاح کننده خاک
پایداری خاکدانه
مقاومت فروروی
شکراله
اصغری
sh_asghari2005@yahoo.com
1
دانشگاه محقق اردبیلی
LEAD_AUTHOR
محمدرضا
نیشابوری
neyshmr@hotmail.com
2
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
فریبرز
عباسی
3
موسسه تحقیقات فنی و مهندسی کشاورزی کرج وزارت جهاد کشاورزی
AUTHOR
ناصر
علی اصغرزاد
4
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
شاهین
اوستان
sh_ostan@yahoo.com
5
دانشکده کشاورزی دانشگاه تبریز
AUTHOR
اصغری ش. 1387 . اثر چهار ماده اصلاح کننده آلی بر توزیع اندازه منافذ، پایداری خاکدانه، ضرایب هیدرولیکی و انتقال
1
املاح در یک خاک لوم شنی. پایان نامه دکتری رشته خاکشناسی، دانشکده کشاورزی، دانشگاه تبریز.
2
جعفر زاده ع ا، کسرایی ر و نیشابوری م ر، 1370 . گزارش نهایی طرح تحقیقاتی مطالعات تفضیلی 18 هکتار از اراضی و
3
خاکهای ایستگاه تحقیقاتی کرکج دانشکده کشاورزی، دانشگاه تبریز.
4
صادقیان ن، نیشابوری م ر، جعفرزاده ع ا و تورچی م، 1385 . بررسی اثر سه نوع اصلاح کننده بر روی خصوصیات
5
.351 – فیزیکی لایه سطحی خاک. مجله علوم کشاورزی ایران. جلد 37 ، شماره 2. صفحات 341
6
صفا دوست آ، مصدقی م ر، محبوبی ع ا، نوروزی ع و اسدیان ق، 1386 . تاثیر کوتاه مدت خاک ورزی و کود دامی بر
7
.100– ویژگی های ساختمانی خاک. مجله علوم و فنون کشاورزی و منابع طبیعی. جلد 41 ، شماره 1. صفحات 91
8
علی اصغرزاد ن، 1376 . میکروبیولوژی و بیوشیمی خاک (ترجمه). انتشارات دانشگاه تبریز.
9
کسرایی ر. 1382 . کاربرد لجن بیولوژیکی فاضلاب کارخانه پتروشیمی تبریز به عنوان کود در خاکهای کشاورزی.
10
گزارش طرح تحقیقاتی، امور پژوهشی دانشگاه تبریز.
11
مصدقی م ر، حاج عباسی م ع، همت ع و افیونی م، 1378 . اثر رطوبت خاک و کود دامی بر تراکم پذیری خاک مزرعه
12
.40 - لورک. مجله علوم و فنون کشاورزی و منابع طبیعی. جلد 3، شماره 4. صفحات 27
13
مصدقی م ر، همت ع و حاج عباسی م ع، 1382 . تغییرات برخی ویژگی های فیزیکی و مکانیکی خاکی با ساختمان ناپایدار
14
.106 - پس از آبیاری غرقابی. مجله علوم و فنون کشاورزی و منابع طبیعی. جلد 7، شماره 1. صفحات 91
15
28 اصغری، نیشابوری و .... مجله دانش آب و خاک/ جلد 20 / شماره 3 / سال 1389
16
نیشابوری م ر، صادقیان ن، جعفرزاده ع ا و تورچی م، 1385 . تاثیر پلی آکریل آمید، پومیسو کاه بر روی فرایند نفوذ و
17
.50- هدایت هیدرولیکی تحت شرایط غرقابی و بارانی. مجله دانشکشاورزی. جلد 16 ، شماره 4. صفحات 39
18
Asghari S, Neyshabouri MR, Abbasi F, Aliasgharzad N and Oustan S, 2009. The effects of four
19
organic soil conditioners on aggregate stability, pore size distribution and respiration activity in
20
a sandy loam soil. Turk J Agric For 33: 47-55.
21
Ajwa HA and Trout TJ, 2006. Polyacrylamide and water quality effects on infiltration in sandy
22
loam soils. Soil Sci Soc Am J 70: 643-650.
23
Al-Darby AM, 1996. The hydraulic properties of a sandy soil treated with gel-forming soil
24
conditioner. Soil Technol 9: 15-28.
25
Bagarello V and Sgroi A, 2007. Using the simplified falling head technique to detect temporal
26
changes in field-saturated hydraulic conductivity at the surface of a sandy loam soil. Soil Till
27
Res 94: 283-294.
28
Bauer A and Black A L, 1992. Organic carbon effects on available water capacity of three soil
29
textural groups. Soil Sci Soc Am J 56: 248-254.
30
Bryan RB, 1992. The influence of some soil conditioners on soil properties: Laboratory tests on
31
Kenyan soil samples. Soil Technol 5: 225-247.
32
Busscher WJ, Novak JM and Caesar-Tonthat TC, 2007. Organic matter and polyacrylamide
33
amendment of Norfolk loamy sand soil. Soil Till Res 93: 171-178
34
Cook DF and Nelson SD. 1986. Effect of polyacrylamide on seedling emergence in crust-forming
35
soils. Soil Sci 141(5): 328-333.
36
Eghbal MK, Hajabbasi MA and Golsefidi HT, 1996. Mechanism of crust formation on a soil in
37
central Iran. Plant Soil 180: 67-73.
38
Gardner WH, 1986. Water content. Pp. 177-189. In: Klute A (ed.) Methods of Soil Analysis, Part 1,
39
Physical and Mineralogical Methods. Madison, WI.
40
Gupta SC, Dowdy RH and Larson WE, 1977. Hydraulic and thermal properties of a sandy soil as
41
influenced by incorporation of sewage sludge. Soil Sci Soc Am J 41: 601-605.
42
JuryW and Horton R, 2004. Soil Physics. JohnWiley& Sons, Inc., Hoboken. New Jersey.
43
Kemper WD and Rosenau RC, 1986. Aggregate stability and size distribution. Pp. 425-442. In:
44
Klute A (ed). Methods of Soil Analysis, Part 1, Physical and Mineralogical Methods. Madison,
45
Klute A (ed), 1986. Methods of Soil Analysis: Part 1. Physical and Mineralogical methods.
46
American Society of Agronomy, Madison. WI.
47
Levy GJ and Miller WP, 1999. Polyacrylamide adsorption and aggregate stability. Soil Till Res
48
51: 121-128.
49
تاثیر پلی آکریل آمید، کود دامی، ورمی کمپوست و لجن بیولوژیکی بر پایداری ... 29
50
Nadler A, Perfect E and Kay D, 1996. Effect of polyacrylamide application on the stability of dry
51
and wet aggregates. Soil Sci Soc Am J 60: 555-561.
52
Neyshabouri MR, 2002. Soil mulching effect on crust formation, cotton seedling emergence and
53
infiltration. Pp. 2084 Proceeding of the 17th Congress of Soil Sci,Symp. No. 62, Bangkok,
54
Nyamangara J. Gotosa J and Mpofu SE, 2001. Cattle manure effects on structural stability and
55
water retention capacity of a granitic sandy soil in Zimbawe. Soil Till Res 62: 157-162.
56
Ozturk HS, Turkrmen CE, Erdogan E, Baskan O, Dengiz, O and Parlak M, 2005. effects of a soil
57
conditioner on some physical and biological features of soils: results from a greenhouse study.
58
Biores Technol 96: 1950-1954.
59
Page AL (ed), 1985. Methods of Soil Analysis: Part 2. Chemical and Microbiological Methods.
60
American Society of Agronomy, Madison, WI.
61
Pagliai M, Guidi G, Marca ML, Giachetti M and Lucamante, G, 1981. Effects of sewage-sludges
62
and composts on soil porosity and aggregation. J Environ Qual 10: 556-561.
63
Schjonning P, Christensen BT and Carstensen B, 1994. Physical and chemical properties of a sandy
64
loam soil receiving animal manure, mineral fertilizer or no fertilizer for 90 years. Eur J Soil Sci
65
45: 257-268.
66
Sojka RE, Entry JA and Fuhrmann JJ, 2006. The influence of high application rates of polyacrylamide
67
on microbialmetabolic potential in an agricultural soil. Appl Soil Ecol 32: 243-252.
68
Tester CF, 1990. Organic amendment effects on physical and chemical properties of a sandy soil.
69
Soil Sci Soc Am J 54: 827-831.
70
Wood JD and Oster JD, 1985. The effect of cellulose xanthate and poly vinyl alcohol on infiltration,
71
erosion, and crusting at different sodium levels. Soil Sci 139: 243-249.
72
ORIGINAL_ARTICLE
تأثیر محلولپاشی سولفات روی و بور بر عملکرد و برخی صفات کیفی دانۀ (Brassica napus L.) دو رقم کلزا
برای بررسی تأثیر محلولپاشی روی و بور بر عملکرد و برخی صفات کیفی دانۀ دو رقم کلزا، آزمایشی به صورت فاکتوریلو در قالب طرح پایه بلوکهای کامل تصادفی با 18 تیمار و در سه تکرار در ایستگاه تحقیقات کشاورزی خیرآباد زنجان بهمحلول- ،(Zn مرحله اجرا درآمد. فاکتورهای آزمایشی عبارت بودند از: محلولپاشی روی در سه سطح (بدون محلول پاشی ( 0محلولپاشی بور در سه سطح ،(Zn و محلولپاشی با غلظت شش در هزار ( 2 (Zn پاشی سولفات روی با غلظت سه در هزار ( 1و (B و محلولپاشی با غلظت چهار در هزار ( 2 (B محلولپاشی اسید بوریک با غلظت دو در هزار ( 1 ،(B (بدون محلولپاشی ( 0محلولپاشی سولفات روی و اسید بوریک در دو مرحله (ابتدای ساقه رفتن .(V و رقم طلایه ( 2 (V1) S.L.M ارقام شامل 046و ابتدای گلدهی) انجام گردید. در طول دوره رشد، مراقبتهای زراعی انجام و از صفات زراعی مورد نظر یادداشتبرداریشد. در زمان برداشت محصول علاوه بر ثبت عملکرد دانه، در نمونههای دانه کلزا غلظتهای روغن، پروتئین، آهن، منگنز،روی، مس و بور نیز تعیین گردید. نتایج نشان داد بین عملکرد دانه تیمارهای آزمایشی از نظر آماری اختلاف معنیدار وجودبا میانگین 4180 کیلوگرم در هکتار حاصل Zn0B در سطوح 1 S.L.M دارد و حداکثر محصول دانه کلزا مربوط به رقم 046گردید. محلولپاشی توأم سولفات روی و اسید بوریک موجب افزایش غلظت این دو عنصر در دانه کلزا گردید که از نظرغنیسازی کلزا حائز اهمیت میباشد. با عنایت به نقش مثبت بور در افزایش عملکرد دانه و نقش مثبت مصرف توأم روی واستفاده از این رقم و محلول- ،S.L.M بور در افزایش کیفیت دانه کلزا و همچنین بالاتر بودن سطح عملکرد دانه در رقم 046پاشی توأم اسید بوریک و سولفات روی با غلظتهای به ترتیب دو در هزار و سه در هزار در مراحل ابتدای ساقه رفتن ودر مناطق با آب و هوا و خاک مشابه محل اجرای طرح توصیه میگردد. (Zn1B ابتدای گلدهی (تیمار
https://water-soil.tabrizu.ac.ir/article_1330_b209785e35d7d2333c0c5d69ff46680f.pdf
2010-10-23
31
45
بور
پروتئین
روغن
روی
کلزا
محلول پاشی
مجید
خیاوی
1
دانشگاه آزاد اسلامی واحد میانه
AUTHOR
محمد باقر
خورشیدی بنام
2
دانشگاه آزاد اسلامی واحد میانه
LEAD_AUTHOR
محمد
اسماعیلی آفتابدری
3
مرکز تحقیقات کشاورزی و منابع طبیعی استان زنجان
AUTHOR
سیروس
آذرآبادی
4
دانشگاه آزاد اسلامی واحد میانه
AUTHOR
علی
فرامرزی
5
دانشگاه آزاد اسلامی واحد میانه
AUTHOR
جاوید
عمارت پرداز
6
گروه زراعت و اصلاح نباتات دانشگاه تبریز
AUTHOR
احمدی، م. ر. و جاویدفر، ف. 1377 . تغذیه گیاه روغنی کلزا. شرکت سهامی خاصتوسعه کشت دانههای روغنی.
1
افیونی، م. و نور بخش، ف. 1376 . خاکهای شور و سدیمی و اصلاح آنها. اصفهان، انتشارات ارکان.
2
امامی، ع. 1375 . روشهای تجزیه گیاه. نشریه شماره 982 . موسسه تحقیقات خاک و آب. تهران. ایران.
3
بای بوردی، ا. ملکوتی، م،ج و رضایی، ح. 1379 . بررسی اثر بخشی روشهای خاکی و محلول پاشی روی، بور و منگنز بر
4
.37- عملکرد دانه و روغن کلزا در میانه. مجله خاک و آب (ویژه نامه کلزا)، جلد 12 ، صفحات 48
5
ثواقبی، غ. ملکوتی، م. ج. و معز اردلان، م. 1378 . بر همکنش پتاسیم و روی بر غلظت و جذب عناصر غذایی گندم. مجله خاک
6
.101- و آب، جلد 12 ، شماره 6، صفحات 112
7
سالار دینی، ع ا و مجتهدی، م. 1367 . اصول تغذیه گیاه. جلد دوم. انتشارات مرکز نشر دانشگاهی، تهران.
8
سپهر، ا. 1377 . بررسی اثرات پتاسیم، منیزیم، گوگرد و عناصر ریز مغذی روی افزایش عملکرد و بهبود کیفیت آفتابگردان.
9
پایان نامه کارشناسی ارشد. دانشکده کشاورزی. دانشگاه تربیت مدرس.
10
20 شماره 3 / سال 1389 / 44 خیاوی، خورشیدی و ... مجله دانش آب و خاک/ جلد 1
11
عاشوری، م. و محمدیان روشن، ن. 1380 . بررسی اثرات کاربرد سطوح مختلف نیتروژن بر عملکرد و اجزای عملکرد سه رقم
12
کلزا. صفحه 48 ، مجموعه مقالات کوتاه هفتمین کنگره علوم خاک ایران. شهرکرد- دانشگاه شهر کرد.
13
عزیزی، م.، سلطانی، ا. و خاوری خراسانی، س. 1378 . کلزا (فیزیولوژی، زراعت، به نژادی و تکنولوژی زیستی). جهاد
14
دانشگاهی مشهد. ایران.
15
علی احیائی، م. و بهبهانی زاده، ع. ا. 1372 . شرح روشهای تجزیه شیمیایی خاک. جلد اول. نشریه فنی شماره 893 . مؤسسه
16
تحقیقات خاک و آب. تهران. ایران.
17
علیزاده، ا، 1377 . کیفیت آب در آبیاری: انتشارات آستان قدس رضوی، شرکت به نشر، مشهد.
18
کسرائی، ر. 1372 . چکیدهای درباره علم تغذیه گیاهی. ترجمه. انتشارات دانشگاه تبریز. ایران.
19
کشاورز، پ. و ملکوتی، م. ج. 1382 . جایگاه بور در تغذیه بهینه گیاهان. معاونت باغبانی وزارت جهاد کشاورزی. تهران.
20
ایران.
21
مرشدی، آ.، رضایی، ح.، ملکوتی، م. ج.، نقیبی، ج. و رضایی، ح. 1379 . تأثیر محلول پاشی آهن و روی بر عملکرد، خواص
22
کیفی و غنی سازی دانههای کلزا در بردسیر کرمان. مجله خاک و آب (ویژهنامه کلزا)، جلد 12 ، شماره 12 ، صفحههای
23
عناصر خرد » ملکوتی، م. ج. و تهرانی، م. م. 1378 . نقش ریز مغذیها در افزایشعملکرد و بهبود کیفیت محصولات کشاورزی
24
انتشارات دانشگاه تربیت مدرس. تهران. ،« با تأثیر کلان
25
ملکوتی، م. ج. و داودی، م. ح. 1382 . روی در کشاورزی عنصری فراموش شده در چرخه گیاه دام و انسان. معاونت باغبانی
26
وزارت جهاد کشاورزی. انتشارات سینا. تهران. ایران.
27
ملکوتی، م. ج. و سپهر، ا. 1383 . تغذیه بهینه دانههای روغنی گامی موثر در نیل به خودکفایی روغن در کشور (مجموعه
28
مقالات). انتشارات خانیران. تهران. ایران.
29
ملکوتی، م. ج. و لطف الهی، م. آ. 1378 . نفش روی در افزایش کمی و کیفی محصولات کشاورزی و بهبود سلامتی جامعه، در:
30
روی عنصری فراموش شده. شورای عالی سیاستگذاری کاهش مصرف سموم و استفاده بهینه از کودهای شیمیایی،
31
وزارت کشاورزی، نشر آموزش کشاورزی، کرج، ایران.
32
ملکوتی، م. ج. و متشرع زاده، ب. 1378 . نقش بور در افزایش کمی و بهبود کیفی تولیدات کشاورزی (مشکلات و راه کارها).
33
نشر آموزش کشاورزی. معاونت تات وزارت کشاورزی، کرج، ایران.
34
تأثیر محلول پاشی سولفات روی و اسیدبوریک بر عملکرد و برخی صفات کیفی ..... 45
35
Grant CA, and Bailey LD, 1993. Fertility management in canola production. Can J Plant Science
36
73: 651-670.
37
Grewal HS, Stangoulis J, Potter T, and Graham RD, 1997. Zinc efficiency of oilseed rape (Brassica
38
napus and B. juncea) genotypes. Plant and Soil 191:123-132.
39
Harsham SG, Graham RD, and Stangoulis J, 1998. Zinc-boron interaction effects in oilseed rape. J
40
Plant Nutrition 21:2231-2243.
41
Holmes MRJ, 1980. Nutrition of the Oilseed Rape Crop. Applied Science Publishers Barking. Essex.
42
Marschner H, 1995. Mineral Nutrition of Higher Plant. 2nd edition. Academic Press. UK.
43
Mengel DB, 1980. Role of Micronutrients in Efficient Crop Production. Indian Cooperative Extension
44
Service, New Delhi, India.
45
Nagy K, 1996. The Role of Food Fortification in Combating Micronutrient, Deficiencies. F. Haffmann-
46
LaRoche Ltd, Basle.
47
Nuttal WF, Ukrainetz H, Stewart JWB, and Spurr DT, 1987. The effect of nitrogen, sulphur and boron
48
on yield and quality of rapeseed (Brassica napus L. and B. campestris L.). Can J Soil Science 67:
49
Pratima S, Sharma C, Chatterjee C, and Sinha P, 1999. Seed quality of sesame (Sesamum indicum L.)
50
as influenced by boron nutrition. Indian J Agric Sci 69:1, 14-17.
51
Rengel Z, and Graham RD, 1995. Importance of seed Zn content for wheat growth on zinc deficient
52
soil. II. Grain Yield. Plant and Soil 173:267-274.
53
Zhonggui L, Grewal HS, and Graham RD, 1998. Dry Matter production and uptake of zinc and
54
phosphorus in two oilseed rape genotypes under differential rates of zinc supply. J Plant Nutrition
55
ORIGINAL_ARTICLE
روندیابی هیدرولیکی سیلاب به روش موج دینامیکو مقایسه با روندیابی هیدرولوژیکی ماسکینگام خطی و غیرخطی (مطالعه موردی : لیقوان چای)
روندیابی جریان یک روش ریاضی برای پیشبینی تغییرات حجم، سرعت و شکل یک موج سیل در یک کانال به صورتتابعی از زمان میباشد که اهمیت زیادی در مهندسی رودخانه، کنترل و کاهش خطرات سیل، حفاظت رودخانه، مدلسازیجریان در مخازن و سرریزها دارد. حل مسئله روندیابی سیلاب بسته به شرایط و اطلاعات موجود از رودخانه میتواندبه روشهای هیدرولیکی و هیدرولوژیکی انجام پذیرد. در تحقیق حاضر روندیابی هیدرولیکی با استفاده از روشتفاضلات محدود 4 نقطهای ماسکینگام بر مبنای معادله موج دینامیک سنت-ونانت انجام پذیرفت. بعلاوه، روشهایهیدرولوژیکی ماسکینگام به صورت مدلهای خطی و غیرخطی به منظور مقایسه بکار گرفته شد که در آن برای تخمینپارامترهای مدل ماسکینگام از روشکمترین مربعات خطاها استفاده شد. در مسیر مهرانرود بین ایستگاههایهیدرومتری لیقوان و هروی با استفاده از هیدروگرافهای ورودی بالادست (ایستگاه لیقوان) و هیدرگرافهای خروجیپایین دست (ایستگاه هروی) سه رویداد سیل برای روندیابی سیلاب انتخاب گردید. در روندیابی هیدرولیکی با استفاده ازهیدروگراف ورودی و مشخصات هیدرولیکی مسیر، هیدروگراف خروجی بدست آمد. مشخصات هیدرولیکی بکار گرفتهشده در این روش شامل شیب طولی، شیب دیوارههای جانبی، عرضکف و طول مسیر میباشد. در روندیابیهیدرولوژیکی یکی از هیدروگرافهای سیلاب ورودی به انضمام هیدروگراف سیلاب خروجی مربوطه جهت محاسبهپارامترهای مدلهای خطی و غیرخطی ماسکینگام بکارگرفته شد. سپس پارامترهای نتیجه شده برای ارزیابی برازشنکویی مدلها با بکارگیری دو رویداد دیگر سیلاب ورودی و خروجی مورد استفاده قرار گرفتند. نتایج نشان داد کههیدروگرافهای خروجی بدست آمده از روندیابی هیدرولیکی به روش موج دینامیک (روش تفاضلات محدود 4 نقطهایماسکینگام) سازگاری و تطبیق بیشتری با هیدروگراف خروجی مشاهداتی در مقایسه با روشهای هیدرولوژیکیماسکینگام دارند. همچنین کارائی ضعیف مدل خطی در مقایسه با مدلهای غیرخطی ماسکینگام مشاهده گردید.
https://water-soil.tabrizu.ac.ir/article_1331_c2e8a7e02958e6eb31a6fe2b3d55bb70.pdf
2010-10-23
47
60
روندیابی هیدرولیکی
روندیابی هیدرولوژیکی
مدل ماسکینگام
موج دینامیک
ابوالفتح
اولادغفاری
1
گروه مهندسی آب دانشگاه تبریز
AUTHOR
احمد
فاخری فرد
fakheri@tabrizu.ac.ir و affard312@yahoo.com
2
گروه مهندسی آب دانشگاه تبریز
LEAD_AUTHOR
امیر حسین
ناظمی
ahnazemi@yahoo.com
3
گروه مهندسی آب دانشگاه تبریز
AUTHOR
محمد علی
قربانی
4
گروه مهندسی آب دانشگاه تبریز
AUTHOR
صالحی نیشابوری عا و تقدیسیان سم، 1376 . جریان در کانالهای باز(ترجمه).چاپ اول و انتشارات جزیل.
1
نیازی ف، فاخریفرد ا و حسینزاده دلیر ع، 1387 . مقایسه روشهای کلارک و ماسکینگام در روندیابی سیلاب رودخانه.
2
. دانشکشاورزی دانشگاه تبریز، شماره 2 جلد 18 ، صفحات 11 تا 25
3
Chow VT, 1973. Open Channel Hydraulics. Third Edition. McGraw Hill Book Company. New York.
4
Cunge JA, 1969. On the subject of a flood propagate computational method. J Hydraul Res 7 (2),
5
205–230.
6
Das A, 2004. Parameter estimation for Muskingum models. Journal of Irrigation and Drainage
7
Engineering. ASCE. 130(2): 140-147.
8
Fennema RJ and Chaudhry MH, 1986. Explicit numerical schemes for unsteady free surface flows
9
with shocks. Water Resources Research. 22(13): 1923-30.
10
20 شماره 3 / سال 1389 / 60 اولادغفاری، فاخری فرد و ... مجله دانش آب و خاک/ جلد 1
11
Geem ZW, 2006. Parameter estimation for the nonlinear Muskingum model using the BFGS
12
technique. Journal of Irrigation and Drainage Engineering. ASCE. 132(5): 474-478.
13
Gill MA, 1978. Flood routing by the Muskingum method. Journal of Hydrology. 36: 353-363.
14
Koussis AD, 1980. Comparison of Muskingum method difference schemes. Journal of Hydraulic.
15
ACSE. 106(HY5): 925-929.
16
Linsely RK and Kohler MA and Paulhus JLH, 1982. Hydrology for Engineers. Third Edition.
17
McGraw Hill Book Company. New York.
18
Mays LW, 2001. Water Resources Engineering. First Edition. John Wiley and Sons, Inc. New York.
19
McCarthy GT, 1938. The unit hydrograph and flood routing. New London. Conference North
20
Atlantic Division. US Army Corporation of Engineers.
21
Mohan S, 1997. Parameter estimation of nonlinear Muskingum models using genetic algorithm.
22
Journal of Hydraulic Engineering, ASCE 123(2): 137-142.
23
Montgomery DC and Runger GC, 2003. Applied Statistics and Probability for Engineers. Third
24
Edition. John Wiley and Sons, Inc. Printed in the United States of America.
25
Moretti G, 1979. The lambda scheme. Journal of Computers and Fluids 7: 191-205.
26
Ponce VM and Lugo A, 2001. Modeling looped ratings Muskingum-Cunge routing. ASCE 6(2): 119-
27
Sturm TW, 2001. Open Channel Hydraulics. MCGraw Hill Higher Education.
28
Tung YK, 1985. River flood routing by nonlinear Muskingum method. Journal of Hydraulic
29
Engineering, ASCE 111(12): 1447-1460.
30
Wang GT and Chen S, 2003. A semianalytical solution of the Saint-Venant equations for channel
31
flood routing. Journal ofWater Resources Research. 39(4): SWC 1-10.
32
Wang GT and Chen S, Boll J and Singh VP, 2003. Nonlinear convection-diffusion equation with
33
mixing-cell method for channel flood routing. Journal of Hydraulic Engineering, ASCE 8(5):
34
Wang GT and Singh VP, 1992. Muskingum method with variable parameters for flood routing in
35
channels. Journal of Hydrology 134: 57-76.
36
Wang GT, Yao C, Okoren C and Chen S, 2006. 4-Point FDF of Muskingum method based on the
37
complete St Venant equations. Journal of Hydrology 324: 339-349.
38
Wilson EM, 1985. Engineering Hydrology. Third Edition. MACMILLAN Publishers LTD. Printed in
39
Hong Kong.
40
Yoon J and Padmanabahan G, 1993. Parameter estimation of linear and nonlinear Muskingum
41
models. Journal ofWater Resources Planning and Management ASCE 119(5): 600-610.
42
ORIGINAL_ARTICLE
مدیریت بهره برداری از سدهای مخزنی با استفاده از الگوریتم اصلاح شده جستجوی هارمونی
محدودیت منابع آبهای سطحی و بروز دورههای کم آبی در کشور، ضرورت مدیریت صحیح از مخازن سدها را ایجابمیکند. در این راستا در صورتی که در شرایط خاصنتوان برای یک سیستم بهرهبرداری از روشهای کلاسیک بهینه-سازی استفاده کرد، میتوان از ابزار نوین در بهینهسازی به عنوان یک تکنیک کارآمد در مدیریت سدها بهره گرفت. دراین تحقیق از الگوریتم اصلاح شده جستجوی هارمونی به منظور بهینهسازی سیستم مدیریت مخزن سد دز استفاده شدو سپس نتایج حاصل از آن با نتایج بهرهبرداری بهینه به روش غیرخطی مقایسه گردید. این مقایسه نشان میدهد باوجود اینکه در روش الگوریتم اصلاح شده جستجوی هارمونی به تعداد زیادی شبیهسازی در طول دوره آماری نیازاست ولی این مسئله باعث کاهش سرعت همگرایی نشده و در بسیاری از مواقع جوابها به مراتب بهتر از روشغیرخطیمیباشد. با توجه به این نتیجه، میتوان استفاده از این روشرا برای بهینهسازی بهرهبرداری از مخازن سدها پیشنهادکرد.
https://water-soil.tabrizu.ac.ir/article_1332_fcd90e1d058f43a0e6c28b315d2d2387.pdf
2010-10-23
61
71
الگوریتم اصلاح شده جستجوی هارمونی
برنامهریزی غیرخطی
بهرهبرداری مخزن
بهینهسازی
سد دز
سمیه
جنت رستمی
1
مهندسی منابع آب دانشگاه تهران.
LEAD_AUTHOR
مجید
خلقی
kholghi@gmail.com
2
گروه مهندسی آبیاری و آبادانی دانشگاه تهران
AUTHOR
امید
بزرگ حداد
obhaddad@ut.ac.ir
3
گروه مهندسی آبیاری و آبادانی دانشگاه تهران
AUTHOR
بزرگ حداد، ا. 1384 . بهینهسازی هیدروسیستمها با استفاده از الگوریتم بهینهیابی جفت گیری زنبورهای عسل
1
رساله دکتری، دانشگاه علم و صنعت- دانشکده عمران. ،(HBMO)
2
جلالی، م.ر. 1384 . بهینهسازی هیدروسیستمها با استفاده از الگوریتم جامعه مورچگان، رساله دکتری، دانشگاه علم و
3
صنعت- دانشکده عمران.
4
جنت رستمی، س.، بزرگ حداد، ا. و خلقی، م. 1387 ، ارزیابی الگوریتم جستجوی هارمونی در بهینه سازی بهره برداری
5
مخزن، سومین کنفرانس مدیریت منابع آب ایران، دانشگاه تبریز.
6
Cai X, Mckinney DC and Lasdon LS, 2001. Solving nonlinear water management models using a
7
combined genetic algorithm and linear programming approach. Journal of Advances in Water
8
Resources, 24: 667-676.
9
Chen L, 2003. Real coded genetic algorithm optimization of long term reservoir operation. Journal
10
of the AmericanWater Resources Association 395: 1157-1165.
11
Geem ZW, 2007. Optimal scheduling of multiple dam seystem using harmony search algorithm.
12
Lecture Notes in Computer Science, 4507: 316-323.
13
Geem ZW, 2006. Improved harmony search from ensemble of music players. Lecture notes in
14
Artificial Intelligence 4251: 86-93.
15
Geem ZW, 2006. Optimal cost design of water distribution networks using harmony search.
16
Engineering Optimization 38: 259–280.
17
Geem ZW, 2000. Optimal design of water distribution networks using harmony search. PhD Thesis,
18
Department of Civil and Environmental Engineering, Korea University.
19
Geem ZW, Kim JH and Loganathan GV, 2001. A new heuristic optimization algorithm. Harmony
20
Search Simulation, 762: 60-68.
21
Keem JH, Geem ZW and Kim ES, 2001. Parameters estimation of the nonlinear Muskingum model
22
using harmony search. Journal of AmericanWater Resources Association 5: 1131- 1138.
23
Mahdavi M, Fesanghary M and Damangir E, 2007. An improved harmony search algorithm for
24
solving optimization problems. Applied Mathematics and Computation 188: 1567-1579.
25
Oliveira R, Loucks DP, 1997. Operating rules for multireservoir systems. Journal of Water
26
Resources Management 334: 839-852.
27
Tirro F, 1977. Jazz: A History. WW Norton and Company, New York.
28
ORIGINAL_ARTICLE
بهینه سازی ابعاد هسته رسی سدهای خاکی با استفاده از الگوریتم ژنتیک
با توجه به مشکلاتی که در بهینهسازی هم زمان اجزای بدنه سدهای خاکی پیش میآید توصیه میگردد هر کدام ازاجزای سد به صورت مجزا و با توجه به تأثیر بقیه قسمتها بهینه شود. در این تحقیق یک طرح هندسی بهینه شده برایهسته رسی در سدهای خاکی ارائه گردیده است. این طرح علاوه بر دارا بودن شرایط خواسته شده می بایست دارای حداقلحجم ممکن برای مصالح هسته نیز باشد. برای دستیابی به این طرح از الگوریتم ژنتیک استفاده شده است. این الگوریتم بهصورت هوشمند در فضای مسئله به جستجوی طرح بهینه میپردازد. در هنگام جستجو، تعدادی قید مانند تراوش، گرادیانهیدرولیکی و ضریب اطمینان پایداری کنترل میشوند. برای تعیین مقدار این قیدها در طرحهای مختلف از مدلهای ساده وجدید استفاده شده است. این مدلها با استفاده از روش رگرسیون خطی تهیه شدهاند. نتایج نشان میدهد که مدلهایرگرسیونی عملکرد بسیار موفقی داشتهاند و از طریق آنها میتوان یک طرح بهینه کلی را برای هسته سدهای خاکی به دستآورد.
https://water-soil.tabrizu.ac.ir/article_1333_4f4252114e0fd84ef7c532f492995de2.pdf
2010-10-23
73
86
الگوریتم ژنتیک
بهینه سازی
سد خاکی
مدل رگرسیونی
هسته رسی
مجید
منتصری
montaseri@hotmail.com
1
دانشگاه ارومیه
LEAD_AUTHOR
اکرم
دیمی نیت
2
سازه های آبی دانشگاه ارومیه
AUTHOR
عباسعلی
قزل سوفلو
3
دانشگاه آزاد اسلامی مشهد
AUTHOR
شمسایی ا، 1383 . طراحی و ساخت سد های مخزنی (سدهای خاکی- سنگریزه ای). انتشارات دانشگاه علم و صنعت ایران.
1
1387 . بهینه سازی ابعاد هسته رسی تحت شرایط پایدار سدهای خاکی با استفاده از الگوریتم ژنتیک، (a) ، دیمی نیت ا
2
پایاننامه کارشناسی ارشد سازه های آبی، دانشکده کشاورزی دانشگاه ارومیه.
3
1387 . تهیه مدلی برای محاسبه ضریب اطمینان پایداری سدهای خاکی غیرهمگن. صفحه 286 . سومین (b) ، دیمی نیت ا
4
کنفرانس مدیریت منابع آب ایران. دانشگاه تبریز، تبریز.
5
Abdul Hossain IA, Kashyap D and Hariprasad KS, 2007. Seepage modeling assisted optimal design of
6
a homogenous earth dam Journal of Irrigation and Drainage Engineering 133: 116-130.
7
Anonymous, 1987. Design of small dams. A Water Resources Technical Publication, US Bureau of
8
Reclamation.
9
Coley DA, 1999. An introduction to genetic algorithms for scientists and engineers. World Scientific
10
Press: 58-61.
11
Deiminiat A, Ghezelsofloo AA and Shojaee, H, 2010. A new method for initial estimation of seepage
12
rate in embankment dams. Pp. 85-62 6th International Symposiums on Environmental Hydraulic.
13
Athens, Greece.
14
Goldberg DE, 1989. Genetic algorithms in search, Optimization and Machine Learning. Addison-
15
Wesley, Reading. MA.
16
Goldin AL and Rasskazov LN, 1992. Design of earth dams. AA Balkema Publisher, Rotterdam,
17
Netherlands.
18
Hancock PJB 1997. A Comparison of selection mechanisms, Pp.212-227 Handbook of Evolutionary
19
Computation, New York, Ofxord University Press.
20
Konak A Coit DW and Smith, AE, 2006. Multi-objective optimization using genetic algorithm,
21
Reliability Engineering and System Safety 91: 992-1007.
22
Kalkani EC 1989. Analyzing seepage in an earth dam, International Water Power and Dam
23
Construction 41: 23-33.
24
Kutzner C 1997. Earth and Rock Fill Dams. AA Balkema Publisher, Rotterdam. Netherlands.
25
Labadie, J.W., 2004. Optimal operation of multi reservoir systems: state-of the-art review. J Water
26
Resour Plann Manag 130 (2): 93-111.
27
20 شماره 3 / سال 1389 / 86 منتصری، دیمی نیت و ... مجله دانش آب و خاک/ جلد 1
28
Singh B and Varshney RS, 1995. Engineering for Embankment Dams. AA Balkema Publisher,
29
Rotterdam. Netherlands.
30
Rao SS 1996. Engineering Optimization: Theory and Practice. New Age Publisher, New Delhi. India.
31
Wardlaw R and Sharif M, 1999. Evaluation of genetic algorithm for optimal reservoir system
32
operation. Journal ofWater Resources Planning and Management 125: 25-33.
33
ORIGINAL_ARTICLE
تخمین بیشینه، متوسط و کمینه دمای هوای شهر تبریز با استفاده از روشهای هوش مصنوعی
تخمین دمای هوای هر منطقه یکی از مسائل مهم در برنامهریزی کشاورزی و نیز مدیریت منابع آب میباشد که بهروشهای مختلفی همچون مدلهای تجربی، نیمه تجربی و هوشمند قابل انجام است. در تحقیق حاضر از سیستم استنتاجعصبی– فازی تطبیقی، شبکههای عصبی مصنوعی و برنامهریزی ژنتیک برای تخمین مقادیر دمای هوا در ایستگاهسینوپتیک شهر تبریز، واقع در شمال غرب ایران استفاده شده است. با توجه به شاخصهای آماری، هر سه مدل با دقتقابل قبولی قادر به تخمین دقیق مقادیر دمای کمینه، متوسط و بیشینه هوا میباشند و با وجود تفاوت جزیی در دقتتخمین و خطای مدلها، سیستم استنتاج عصبی – فازی تطبیقی، شبکههای عصبی مصنوعی و برنامهریزی ژنتیک به-ترتیب در اولویتهای اول تا سوم قرار میگیرند. همچنین راه حلهای صریحی که نشانگر ارتباط بین متغیرهای ورودیو خروجی باشد ، بر مبنای برنامهریزی ژنتیک ارائه گردیده است که ارجحیت برنامهریزی ژنتیک بر دو مدل دیگر را دراین زمینه میرساند.
https://water-soil.tabrizu.ac.ir/article_1335_57c82692c43e487a7974a2215f9db00f.pdf
2010-10-23
87
104
برنامه ریزی ژنتیک
دمای هوای تبریز
سیستم عصبی فازی
شبکه های عصبی
محمدعلی
قربانی
ghorbani@tabrizu.ac.ir و cusp2004@yahoo.com
1
گروه مهندسی آب دانشگاه تبریز
LEAD_AUTHOR
جلال
شیری
2
گروه مهندسی آب دانشگاه تبریز
AUTHOR
هانیه
کاظمی
3
گروه مهندسی آب دانشگاه تبریز
AUTHOR
عزیزی ق و روشن م؛ 1387 . مطالعه تغییر اقلیم در سواحل جنوبی دریای خزر به روش من – کندال؛ فصلنامه پژوهش-
1
. های جغرافیایی، شماره 64 ، صفحات 13 تا 28
2
قویدل رحیمی ی؛ 1385 . ارزیابی حساسیت پذیری دما و بارش تبریز به افزایشکربن دی اکسید جو با استفاده از
3
، مدلهای گردش جهانی پیوندی جوی – اقیانوسی؛ فصلنامه مدرس علوم انسانی، ویژه نامه جغرافیا، شماره 48
4
. صفحات 103 تا 123
5
Abde-Al ME and Elhadidi MA, 1994. A machine learning approach to modeling and forecasting
6
the minimum temperature at Hdahran, Saudi Arabia Energy 7:739-749.
7
Allen CC, 1957. A simplified equation for minimum temperature prediction. Monthly Weather
8
Review 85, pp. 119-120.
9
Aytek A and Kisi O, 2008. A genetic programming approach to suspended sediment modeling.
10
Journal of Hydrology 351:288-298.
11
Bagdonas A, Georg JC and Gerber JF, 1978. Techniques of frost prediction and methods of frost
12
and cold protection. WMO, Tech note No 157. Genevra.
13
Banzhaf, W, Nordin P, Keller RE and Francone FD, 1998. Genetic Programming. Morgan
14
Kaufmann, San Francisco, CA.
15
Benavides R, Montes F, Rubio A and Osoro K, 2007. Geostatistical modeling of air temperature in
16
a mountainous region of northern Spain. Agric and Forest Meteorol 146:173-188.
17
Brunt D, 1941. Physical and Dynamical Meteorology. 2nd edition, Cambridge University Press,
18
Dadson R and Marks D, 1997. Daily air temperature interpolated at high spatial resolution over a
19
large mountainous region. Climatic Res 8:1-20.
20
Dombayc, ÖA and Gölcü M, 2009. Daily means ambient temperature prediction using artificial
21
neural network method: A case study of Turkey. Renewable Energy 34:1158-1161.
22
Drake JT, 2000. Communications phase synchronization using the adaptive network fuzzy
23
inference system. Ph.D. Thesis, New Mexico State University, Las Cruces, New Mexico, USA.
24
تخمین بیشینه، متوسط و کمینه دمای هوای شهر تبریز با استفاده از ... 103
25
Elizondo DA, McClendon RW and Hoogenboom G, 1994. Neural network models for predicting
26
flowering and physiological maturity of soybean. Trans ASABE 37: 981-988.
27
Ferreira C, 2001. Gene expression programming: a new adaptive algorithm for solving problems.
28
Complex Syst 13: 87-129.
29
Figuerola PI and Mazzeo NA, 1997. An analytical model for the prediction of nocturnal and dawn
30
surface temperatures under calm, clear sky conditions. Agric and Forest Meteorol 85: 229- 237.
31
Francl LJ and Panigrahi S, 1997. Artificial neural network models of wheat leaf wetness. Agric. and
32
Forest Meteorol 88: 57-65.
33
George RK, 2001. Prediction of soil temperature by using artificial neural networks algorithms.
34
Non linear analysis 47:1737-1748.
35
Goldberg, D. E., 1989. Genetic Algorithms in Search, Optimization, and Machine Learning.
36
Addison –Wesley, Reading, Mass.
37
Haykin S, 1998. Neural Networks: a Comprehensive Foundation. Prentice-Hall, Upper Saddle
38
River, NJ.
39
Hudson G and Wackernagel H, 1994. Mapping temperature using kriging with external drift: theory
40
and example from Scotland. Int J Climatol 14: 77-91.
41
Jaeger JC, 1945. Note on the effect of wind on nocturnal cooling. Q J R Meteorol Soc 71:388-390.
42
Jang JSR, 1993. ANFIS: Adaptive-network-based fuzzy inference system. IEEE Trans Syst Manag
43
Cyber 23: 665-685.
44
Jang JSR, Sun CT and Mizutani E, 1997. Neurofuzzy and Software Computing: a Computational
45
Approach to Learning and Machine Intelligence. Prentice-Hall, New Jersey.
46
Khu ST, Liong SY, Babovic V, Madsen H and Muttil N, 2001. Genetic programming and its
47
application in real- time runoff forming. Journal of American Water Resources Association
48
37:439-451.
49
Kisi O, Ozturk O, 2007. Adaptive neuro-fuzzy computing technique for evapotranspiration
50
estimation. J Irrig. and Drain Eng ASCE 133: 368-379.
51
Kozza JR, 1992. Genetic Programming: On the Programming of Computers by Means of Natural
52
Selection. Cambridge, MA: The MIT Press.
53
Krasovitski B, Kimmel A and Amir I, 1996. Forecasting air surface temperature for the optimal
54
application of frost protection methods. J Agric Eng Res 63: 93-102.
55
Liong SY, Gautam TR, Khu ST, Babovic V, Keijzer M and Muttil N, 2002. Genetic programming:
56
A new paradigm in rainfall runoff modeling. Journal of American Water Resources Association
57
38:705-718.
58
Lippman R, 1987. An introduction to computing with neural nets. IEEE ASSP Mag 4:4-22.
59
20 شماره 3 / سال 1389 / 104 قربانی، شیری و .... مجله دانش آب و خاک، جلد 1
60
Moghaddamnia A, Ghafari Gousheh M, Piri J, Amin S and Han D, 2009. Evaporation estimation
61
using artificial neural networks and adaptive neuro-fuzzy inference system techniques.
62
Advances in Water Resources. 32:88-97.
63
Paruelo JM and Tomasel F, 1997. Prediction of functional characteristics of ecosystems: a
64
comparison of artificial neural networks and regression models. Ecological modeling. 98:173-
65
Patterson DW, 1996. Artificial Neural Networks: Theory and Applications. Simon and Schuster,
66
Singapore.
67
Robinson C and Mort N, 1997. A neural network system for the protection of citrus crops from frost
68
damage. Comput and Electro Agric 16: 177-187.
69
Rubio A, Sanchez O, Gomez V, Grana D, Elena R and Blanco A, 2002. Auto-ecology of chestnut
70
tree forest in Castilla, Spain. Investigation Agraria: Sistemas de Recursos Forestales. 11:373-
71
Smith BA, Hoogenboom G and McClendon RW, 2009. Artificial neural networks for automated
72
year-round temperature prediction. Comput and Electro Agric 68:52-61.
73
Soarse J, Oliveria AP, Boznar MZ, Mlakar P, Escobedo JF and Machado AJ, 2003. Modeling
74
hourly diffuse solar radiation in the city of Sao Paulo using a neural network technique.
75
Applied Energy 79:201-214.
76
Ustaoglu B, Cigizoglu HK and Karaca M, 2008. Forecast of daily minimum, maximum and mean
77
temperature time series by three artificial neural networks. Meteorol Appl 15, 431-445.
78
Zuzel JF and Cox LM, 1975. Relative importance of meteorological variables in snowmelt. Water
79
Resour Res 11:174-176.
80
ORIGINAL_ARTICLE
شبیه سازی سه بعدی جریان در سرریز جانبی با استفاده از مدل آشفتگی k -e و مقایسه نتایج با مدل فیزیکی
سرریزها سازههایی هستند که برای تخلیه سیلاب از مخزن سد در مواقع اضطراری استفاده میشوند. یکی از رایجترینو در عین حال پیچیدهترین این سازهها، سرریز جانبی میباشد. در تحقیق حاضر، هیدرولیک جریان در مدل فیزیکیسازه کنترل سیلاب سد ونیار واقع در استان آذربایجان شرقی که شامل سرریز جانبی، کانال جمعآوری، تبدیل، سرریزشبیهسازی گردید و نتایج شامل عمق Fluent اوجی و تندآب میباشد، به صورت سهبعدی و با استفاده از مدل عددیو k - e جریان و فشار هیدرواستاتیکی در 110 نقطه بین مدل عددی و نتایج آزمایشگاهی مقایسه شد. از مدل آشفتگیبرای تحلیل جریان استفاده گردید، سپسبه تحلیل پارامترهای ،(VOF) مدل شبیهسازی جریان چندفازی حجم سیالآشفتگی جریان در کانال جمعآوری و توسعه لایه مرزی برروی تندآب پرداخته شد. نتایج حاصل بیانگر تطابق مناسبRNG k - e استاندارد برای فشار هیدرواستاتیکی و مدل k - e نتایج مدل عددی با نتایج آزمایشگاهی بخصوصمدلبرای پروفیل سطح آب میباشد.
https://water-soil.tabrizu.ac.ir/article_1336_edcdba89a170a1c22342fc837ceb9881.pdf
2010-10-23
105
118
سرریز جانبی
لایه مرزی
مدل آشفتگی
VOF
Fluent
k - e
پیمان
ورجاوند
1
گروه مهندسی آب دانشگاه تبریز
LEAD_AUTHOR
داود
فرسادی زاده
farsadi-d@yahoo.com
2
گروه مهندسی آب دانشگاه تبریز
AUTHOR
علی
حسین زاده دلیر
ahdalir1@yahoo.co.uk
3
گروه مهندسی آب دانشگاه تبریز
AUTHOR
علی اشرف
صدرالدینی
4
گروه مهندسی آب دانشگاه تبریز
AUTHOR
بینام، 1383 . مدل هیدرولیکی سرریز سد ونیار. موسسه تحقیقات آب وزارت نیرو، گزارش شماره
1
مهرابیان، مظفرعلی(ترجمه). 1386 . دینامیک سیالات محاسباتی، اصول و کاربردها. چاپ دوم، انتشارات دانشگاه شهید
2
باهنر کرمان.
3
Anderson A, Tannehill J and Pletcher R, 1997. Computational Fluid Mechanics and Heat Transfer.
4
Taylor and Farncis Publishers, London, UK.
5
Anonymous, 2005. Fluent 6.2 User’s Guide. Fluent Inc. Group.
6
Cea L, Pena L, Puertas J, Vazquez-Cendon ME and Pena E, 2007. Application of several depthaveraged
7
turbulence models to simulate flow in vertical slot fishways. J Hydr Engin, ASCE
8
133(2): 160-172.
9
Chen HC, and Patel VC, 1998. Near-wall turbulence models for complex flows including
10
separation. AIAA Journal 26(6): 641-648.
11
Chen Q, Dai G and Liu H, 2002. Volume of fluid model for turbulence numerical simulation of
12
stepped spillway over flow. J Hydr Engin, ASCE 128(7): 683-688.
13
Dargahi B, 2006. Experimental study and 3D numerical simulations for a free-overflow spillway. J
14
Hydr Engin, ASCE 132(9): 899-907.
15
20 شماره 3 / سال 1389 / 118 ورجاوند، فرسادیزاده و ... مجله دانش آب و خاک/ جلد 1
16
Kim SE, and Choudhury D, 1995. A Near-wall treatment using wall functions sensitized to pressure
17
gradient. ASME FED Separated and Complex Flows. ASME 217: 273-279.
18
Puertas J, Pena L and Teijeiro T, 2004. An experimental approach to the hydraulics of vertical slot
19
fishways. J Hydr Engin, ASCE 130(1): 10-23.
20
Savage BM, Johnson MC and Members ASCE, 2001. Flow over ogee spillway: physical and
21
numerical model case study. J Hydr Engin, ASCE 127(8): 640-649.
22
Ye M, Wu C, Chen Y and Zhou Q, 2006. Case study of an S-shaped spillway using physical and
23
numerical models. J Hydr Engin, ASCE 132(9): 892-898.
24
ORIGINAL_ARTICLE
مدل دینامیکی الگوی توزیع آب توسط سیستم آبیاری سنترپیوت
برای ارزیابی سیستمهای آبیاری سنترپیوت اطلاع از نحوه پخش آب توسط سیستم ضروری است. یک مدل جدید و برنامهرایانهای جهت محاسبه عمق آب پخش شده و ضریب یکنواختی آن برای سیستم آبیاری سنترپیوت تهیه شد. این مدل ازالگوی توزیع آب اسپری نازل منفرد به عنوان ورودی استفاده نموده و الگوی توزیع آب سراسری سیستم را پیش بینی می-نماید. بدین منظور دو شبکه مربعی استاتیکی و دینامیکی در نظر گرفته شد. شبکه استاتیکی از تقسیم کل زمین تحت پوششبه قطعات مربعی و تشکیل یک شبکه ساکن منطبق بر کل زمین حاصل گردید. شبکه دینامیکی از انطباق یک شبکه متشکل ازاجزای مربعی بر روی الگوی توزیع اسپری نازل منفرد به دست آمد و همراه آن بر روی سیستم سنترپیوت حرکت نمود. بامنظور نمودن حرکت شبکه دینامیکی روی شبکه استاتیکی و شدت پخش آب هرجزء از شبکه دینامیکی بر روی اجزای شبکهاستاتیکی برای تمام اسپری نازلها و مد نظر قرار دادن هم پوشانی بین اسپری نازلها، مقادیر آب جمع شده در اجزایشبکه استاتیک تعیین گردید. خروجیهای مدل، عمق آب دریافت شده در سراسر شبکه زمین تحت آبیاری و ضریب یکنواختیپخش آب بودند. به منظور صحت سنجی و ارزیابی دقت مدل آزمایش های میدانی در شرایط واقعی انجام گردید سپس مدلبرای همان شرایط اجرا شد. مقایسه نتایج مدل با مشاهدات حاصل از آزمایش ها دقت خوب مدل را در پیش بینی عمق آبپخش شده و ضریب یکنواختی در شرایط مختلف نشان داد.
https://water-soil.tabrizu.ac.ir/article_1337_2d1862dafb9fa4d2630fa91b41101419.pdf
2010-10-23
119
134
اسپری نازل
الگوی توزیع
سنترپیوت
شبکه استاتیکی
شبکه دینامیکی
ضریب یکنواختی
رضا
دلیر حسن نیا
1
گروه مهندسی آب دانشگاه تبریز
AUTHOR
علی اشرف
صدرالدینی
2
گروه مهندسی آب دانشگاه تبریز
LEAD_AUTHOR
امیرحسین
ناظمی
3
گروه مهندسی آب دانشگاه تبریز
AUTHOR
داود
فرسادی زاده
farsadi-d@yahoo.com
4
گروه مهندسی آب دانشگاه تبریز
AUTHOR
Anonymous, ASAE standards, ANSI/ASAE S330.1, 2003. Procedure for sprinkler distribution testing
1
for research purposes. ASAE, St. Joseph, MI, USA.
2
Anonymous, ASAE standards, ANSI/ASAE S436.1, 2007. Test procedure for determining the
3
uniformity of center- pivot and lateral move irrigation machines equipped with spray or sprinkler
4
nozzles. ASAE, St. Joseph, MI, USA.
5
Bittenger MW and Logenbaugh, 1962. Theoretical distribution of water from a moving irrigation
6
sprinkler. Trans ASAE 5(1): 26-30.
7
20 شماره 3 / سال 1389 / 134 دلیر حسننیا، صدرالدینی و ... مجله دانش آب و خاک/ جلد 1
8
Bremond B and Molle B, 1995. Characterization of rainfall under center-pivot: Influence of measuring
9
procedure. J Irrig Drain Engin, ASCE 121(5): 347-353.
10
Christiansen JE, 1942. Irrigation by sprinkler. Bull. 670, California Agric Experiment Station, Univ of
11
California, Berkley, CA.
12
Evans RG, Han S, James LG, and Kroeger MW, 1993. CPIM- a computer simulation program for
13
center pivot irrigation systems. ASAE Paper No. 93-3065, ASAE, St Joseph, MI, USA.
14
Faci JM, Salvador R, Playan E and Sourell H, 2001. Comparison of fixed and rotating spray plate
15
sprinklers. J Irrig Drain Engin, ASCE 127(4): 224-233.
16
Heermann DF and Hein PR, 1968. Performance characteristic of self-propelled center pivot sprinkler
17
irrigation system. Trans ASAE 11(1): 11-15.
18
Klar AE, Santana R and Duroha C, 2005. Evaluation center pivot system using new and old spray and
19
pressure regulators. Trans ASAE 47(6): 1526-1529.
20
Omary M and Sumner H, 2001. Modeling water distribution for irrigation machine with small spray
21
nozzles. J Irrig Drain Engin, ASCE 127(3): 156-160.
22
Omary M, Camp CR and Sadler EJ, 1997. Center pivot irrigation system modification to provide
23
variable water application depths. Appl Engin Agric ASAE 13(2): 235-239.
24
Perry C and Pocknee S, 2001. Precision pivot irrigation controls to optimize water application. Pp. 425-
25
432. Proceeding of the Georgia Water Resources Conference. Georgia, USA.
26
Perry C, Pocknee S, Hansen O, Kvien C, Vellidis G and Hart E, 2002. Development and testing of a
27
variable–rate pivot irrigation control system. Pp. 616-629. Proceeding of ASAE Annual
28
International Conference, Chicago, USA.
29
ORIGINAL_ARTICLE
اثر تغییراقلیم بر عملکرد گندم و تحلیل ریسک ناشی از آن (مطالعۀ موردی: منطقۀ روددشت اصفهان)
هرگونه تغییر در میزان غلظت گازهای گلخانهای در اتمسفر زمین، باعث برهم خوردن تعادل بین اجزاء سیستم اقلیم کرهزمین میگردد. اما اینکه در آینده چه مقدار از این گازها توسط جوامع بشری وارد اتمسفر زمین میشود، معین و قطعینیست و تحت سناریوهای مختلفی ارائه شده است. در این مطالعه، سری زمانی روزانه پارامترهای اقلیمی منطقۀ538 ppm) B 3 درجه) و 1 / و افزایش دما 8 ،CO 857 غلظت 2 ppm) A روددشت اصفهان تحت سناریوهای تغییر اقلیم 2و با بکارگیری مولد HADCM3 (GCM) و افزایش دما 2 درجه) با استفاده از نتایج مدل گردش عمومی CO غلظت 2برای دورة 2011 تا 2030 میلادی تولید گردید. نتایج نشان داد که در منطقۀ مورد مطالعه، میانگین LARS-WG اقلیمبارش سالانه، مجموع بارش سالانه در طول دورة رشد گیاه و متوسط دمای روزانه تحت هر دو سناریوی تغییر اقلیممورد ارزیابی قرار SWAP افزایش خواهند یافت. اثر تغییر اقلیم بر عملکرد محصول گندم فاریاب با استفاده از مدلگرفت. تحلیل مقدار عملکرد نسبی و مطلق گندم تحت سناریوهای مختلف اقلیمی نشان داد که متوسط عملکرد نسبی2 درصد و / 1 و 1 / 1961 )، به ترتیب 49 - نسبت به سناریوی مبنا ( 1990 B و 1 A محصول تحت دو سناریوی تغییر اقلیم 217 درصد کاهش خواهند یافت. با تحلیل ریسک کاهش محصول نسبی و / 4 و 9 / متوسط عملکرد دانۀ گندم به ترتیب 19احتمال (ریسک) کاهش محصول نسبت به ،B واقعی گندم مشخصشد که در سناریوهای تغییر اقلیم، به ویژه سناریوی 1مقدار میانگین دورة مبنا افزایش مییابد. میزان ریسک حداقل 500 کیلوگرم در هکتار کاهش محصول گندم تحتنسبت به متوسط سناریوی مبنا به ترتیب در حدود 15 ،7 و 55 درصد برآورد گردید. B و 1 A سناریوهای مبنا، 2
https://water-soil.tabrizu.ac.ir/article_1338_e05fd81380a21d418a688625022c7c09.pdf
2010-10-23
135
150
تغییر اقلیم
گندم
SWAP
Lars-WG
HadCM3
بهنام
آبابایی
1
دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
LEAD_AUTHOR
تیمور
سهرابی
myousef@ut.ac.ir
2
گروه آبیاری و آبادانی دانشگاه تهران
AUTHOR
فرهاد
میرزایی
3
گروه آبیاری و آبادانی دانشگاه تهران
AUTHOR
وحید
رضاوردی نژاد
rezaverdinejad@gmail.com
4
گروه مهندسی آب دانشگاه ارومیه
AUTHOR
بختیار
کریمی
5
دانشگاه آزاد اسلامی شاخه کرمانشاه
AUTHOR
مساح بوانی ع، 1385 . ارزیابی ریسک تغیر اقلیم و تاثیر آن بر منابع آب: مطالعه موردی حوضه زاینده رود اصفهان.
1
پایان نامه دکترای مدیریت منابع آب، دانشکدة کشاورزی، دانشگاه تربیت مدرس.
2
Ababaei B, Sohrabi TM, Mirzaei F and Karimi B, 2010. Evaluation of a stochastic weather
3
generator in different climates. Computer and Information Science 3(3): 217-229.
4
Abraha MG and Savage MJ, 2006. Potential impacts of climate change on the grain yield of maize
5
for the midlands of KwaZulu-Natal, South Africa. Agriculture, Ecosystems and Environment
6
115: 150–160.
7
Allen RG, Pereira LS, Raes D and Smith M, 1998. Crop evapotranspiration: Guidelines for
8
computing crop water requirements. Irr and Drain Paper 56. UN-FAO, Rome, Italy.
9
Anynomous, 1999. Guidelines on the use of scenario data for climate impact and adaptation
10
assessment In: Carter TR, Hulme M and Lal M, (eds.), Version 1. Intergovernmental Panel on
11
Climate Change, Task Group on Scenarios for Climate ImpactAssessment (IPCC-TGCIA).
12
Bastiaansesen WGM, Huygen J, Schakel JK and Van Den Broek BJ, 1996. Modeling the soilwater-
13
crop-atmosphere system to improve agricultural water management in arid zone
14
(SWATRE), In BJ Van Den Broek (ed.), Pp. 13-27. Dutch experiments in irrigation water
15
management modeling, Report 123, Winand Starig Center, Wagenningen.
16
Droogers P, Akbari M, Torabi M and Pazira E, 2000. Exploring field scale salinity using simulation
17
modeling, Example for Rudasht area, Esfahan Province, Iran, IAEIR-IWMI Research Report 2.
18
Foulkes MJ, Scott RK, Sylvester-Bradley R, 2001. The ability of wheat cultivars to withstand
19
drought in UK conditions: resource capture. Journal of Agricultural Science. 137: 1–16.
20
Hargreaves GH and Samani ZA, 1982. Estimating potential evapotranspiration. Journal of Irrigation
21
and Drainage Engineering ASCE 108 (3): 223–230.
22
20 شماره 3 / سال 1389 / 148 آبابایی، سهرابی و ... مجله دانش آب و خاک/ جلد 1
23
Homaee M, Dirksen C, and Feddes RA, 2002. Simulation of root water uptake, I. Non-uniforme
24
transient salinity using different macroscopic reduction function, Agricultural Water Manag 57:
25
Hussain SS and Mudasser M, 2007. Prospects for wheat production under changing climate in
26
mountain areas of Pakistan – An econometric analysis. Agricultural Systems 94: 494–501.
27
IPCC 2007a. Climate Change 2007: Impacts, Adaptation and Vulnerability. Contribution of
28
Working Group II to the Fourth Assessment Report of the IPCC. Parry M, Canziani O,
29
Palutikof J, van der Linden P, and Hanson C, Cambridge University Press, Cambridge.
30
Krishnan P, Swain DK, Chandra Bhaskar B, Nayak SK and Dash RN, 2007. Impact of elevated
31
CO2 and temperature on rice yield and methods of adaptation as evaluated by crop simulation
32
studies. Agriculture, Ecosystems and Environment 122: 233–242.
33
Kroes JG, Van Dam JC, Groenendijk P, Hendriks RFA and Jacobs CMJ, 2008. Reference Manual
34
SWAP version 3.2, Alterra Green World Research, Wagenningen, Report1649.
35
Lobell DB, Field CB, Cahill KN and Bonfils C, 2006. Impacts of future climate change on
36
California perennial crop yields: Model projections with climate and crop uncertainties.
37
Agricultural and Forest Meteorology 141: 208–218.
38
Luo Q, Bellotti W, Williams M and Bryan B, 2005. Potential impact of climate change on wheat
39
yield in South Australia. Agricultural and Forest Meteorology 132: 273–285.
40
Mavromatis T and Hansen JW, 2001. Interannual variability characteristics and simulated crop
41
response of four stochastic weather generators. Agricultural and Forest Meteorology 109: 283–
42
Mavromatis T and Jones PD, 1998. Comparison of climate scenario construction methodologies for
43
impact assessment studies. Agricultural and Forest Meteorology 91: 51–67.
44
Mearns LO, Rosenzweig C and Goldberg R, 1996. The effect of changes in daily and interannual
45
climatic variability on ceres-wheat: a sensitivity study. Climate Change 32: 257–292.
46
Mearns LO, Rosenzweig C, Goldberg R, 1997. Mean and variance change in climate scenarios:
47
Methods, agricultural applications, and measures of uncertainty. Climate Change 35: 367–396.
48
Nakicenovic N, Alcamo J, Davis G, de Vries B, Fenhann J, Gaffin S, Gregory K, Grübler A, Jung
49
TY, Kram T, La Rovere EL, Michaelis L, Mori S, Morita T, Pepper Pitcher WH, Price L, Raihi
50
K, Roehrl A, Rogner H, Sankovski A, Schlesinger M, Shukla P, Smith S, Swart R, van Rooijen
51
S, Victor N. and Dadi Z, 2000. Emissions Scenarios. A Special Report of Working Group III of
52
the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, UK
53
and New York, USA.
54
Pearson CJ, Bucknell D and Laughlin CP, 2008. Modelling crop productivity and variability for
55
policy and impacts of climate change in eastern Canada. Environmental Modelling and
56
Software 23: 1345–1355.
57
اثر تغییر اقلیم بر عملکرد گندم و تحلیل ریسک ناشی از آن (مطالعۀ موردی: منطقۀ روددشت اصفهان) 149
58
Philips DL, Lee JJ and Dodson RF, 1996. Sensitivity of the US corn belt to climate change and
59
elevated CO2: I. Corn and Soybean yields. Agricultural Systems 52: 481-502.
60
Porter JR and Semenov MA, 1999. Climatic variability and modelling of crop yield in Europe.
61
Nature 400: 724.
62
Racsko P, Szeidl L and Semenov MA, 1991. A serial approach to local stochastic weather models.
63
Ecological Modelling 57: 27-41.
64
Richarsdon CW and Wright DA, 1984. WGEN: a model for generating daily weather variables.
65
U.S. Dep. of Agric, Agricultural Research Service ARS-8.
66
Richter GM and Semenov MA, 2005. Modelling impacts of climate change on wheat yields in
67
England and Wales - assessing drought risks. Agricultural Systems 84: 77–97.
68
Semenov MA and Barrow EM, 1997. Use of a stochastic weather generator in the development of
69
climate change scenarios. Climatic Change 35: 397-414.
70
Semenov MA and Brooks RJ, 1999. Spatial interpolation of the LARS-WG stochastic weather
71
generator in Great Britain. Climate Research 11: 137-148.
72
Semenov MA and Porter JR, 1994. The implications and importance of non-linear responses in
73
modelling of growth and development of wheat. In: Grasman, J, van Straten, G. (Eds.),
74
Predictability and Nonlinear Modelling in Natural Sciences and Economics. Wageningen.
75
Semenov MA, Brooks RJ, Barrow EM and Richardson CW, 1998. Comparison of the WGEN and
76
LARS-WG stochastic weather generators in diverse climates. Climate Research 10: 95–107.
77
Semenov MA. and Stratonovitch P. 2009. The use of multi-model ensembles from global climate
78
models for impact assessments of climate change. Climate Research 41: 1-14.
79
Stockle CO, Steduto P and Allen RG, 1998. Estimating daily and daytime mean VPD from daily
80
maximum VPD. 5th Congress of the European Society of Agronomy, Nitra, the Slovak
81
Stockle CO, Donatelli M, Nelson R, 2003. CropSyst: a cropping systems simulation model.
82
European Journal of Agronomy 18(3-4): 289-307.
83
Van Genuchten MTh, 1980. A closed form equation for predicting the hydraulic conductivity of
84
unsaturated soils. Soil Science Society of America Journal 44: 892-898.
85
Van Ittersum MK, Howden SM and Asseng S, 2003. Sensitivity of productivity and deep drainage
86
of wheat cropping systems in a Mediterranean environment to changes in CO2, temperature and
87
precipitation. Agriculture, Ecosystems and Environment 97: 255–273.
88
Vazifedoust M, Van Dam JC, Feddes RA and Feizi M, 2008. Increasing water productivity of
89
irrigated crops under limited water supply at field scale. Agricultural Water Management 95:
90
Wilby RL and Wigley TML, 2000. Down-scaling general circulation issues in climate prediction.
91
In: Sivakumar, M.V.K. (Ed.), Pp.39–68, Climate Prediction and Agriculture, Proceedings of the
92
20 شماره 3 / سال 1389 / 150 آبابایی، سهرابی و ... مجله دانش آب و خاک/ جلد 1
93
START/WMO International Workshop, Geneva, Switzerland, September 27–29, 1999.
94
International START Secretariat, Washington, DC, USA.
95
Wolf J, Evans LG, Semenov, MA, Eckersten H and Iglesias A, 1996. Comparison of wheat
96
simulation models under climate change. 1. Model calibration and sensitivity analyses. Climate
97
Research 7: 253–270.
98
Zhang XC and Nearing MA, 2005. Impact of climate change on soil erosion, runoff, and wheat
99
productivity in central Oklahoma. Catena 61: 185–195.
100
ORIGINAL_ARTICLE
سنجش قابلیت اراضی شهرستان مرند برای کشت زعفران بر اساس روشهای تصمیم گیری چند معیاره
زعفران، با ارزش اقتصادی بسیار بالا نقش ویژهای در صادرات غیر نفتی ایران دارد. در نتیجه شناسایی مناطق مستعدبرای کشت زعفران در شهرستان مرند واقع در شمال غرب کشور زمینه را برای برنامهریزیهای لازم جهت گسترشکشت و تولید این محصول فراهم میکند. با توجه به تاثیر عوامل محیطی گوناگون بر رشد و عملکرد زعفران، فرآیندارزیابی اراضی برای کشت آن مستلزم استفاده از اطلاعات جامع و متنوع مکانی و توصیفی است. سیستمهای اطلاعاتامکان بهرهگیری از این نوع دادهها را فراهم ساخته و تحلیل فضایی اطلاعات را بر اساس مدلهای (GIS) جغرافیاییشناخته شده تسهیل نمودهاند. در این تحقیق بر اساسنیازهای اکولوژیکی و محیطی برای رشد زعفران از روشهایاستفاده شد و در محیط نرمافزاری (AHP) مبتنی بر روش تحلیل سلسله مراتبی (MCDA) تصمیمگیری چند معیارهمدلسازی و تحلیلهای مکانی لایههای اطلاعاتی صورت گرفت. فرآیند تحقیق شامل مراحل گردآوری و ورود ArcGISاطلاعات، محاسبات و تحلیلهای آماری، خوشهبندی و ارزشگذاری معیارها، مدلسازی فضایی و تلفیق اطلاعات متنوعبود. بر این اساس اراضی شهرستان مرند از نظر قابلیت کشت زعفران ارزیابی و پهنهبندی شد. نتایج نهائی تحقیق نشاندهنده کارآیی روشهای تحلیلی سلسله مراتبی در سنجش قابلیت اراضی برای کشت زعفران بوده و بر اساس آنشهرستان مرند از این نظر به سه بخش قابل کشت، نسبتاً قابل کشت و غیر قابل کشت قابل تقسیم بندی است.
https://water-soil.tabrizu.ac.ir/article_1339_aaf8760d4b17ba34e0f34c41400a8d92.pdf
2010-10-23
151
170
روشهای تصمیم گیری چندمعیاره
مدل سازی سلسله مراتبی
مکانیابی کشت زعفران
سعید
یزدچی
1
دانشگاه آزاد اسلامی واحد مرند
LEAD_AUTHOR
علی اکبر
رسولی
2
دانشگاه آزاد اسلامی واحد مرند
AUTHOR
حسن
محمودزاده
3
دانشگاه تبریز
AUTHOR
محمد
زرین بال
4
مرکز تحقیقات کشاورزی و منابع طبیعی آذربایجان شرقی
AUTHOR
امیر قاسمی، ت. 1380 . زعفران طلای سرخ ایران، نشر آیندگان.
1
بنایی، م. ح. 1380 . نقشه منابع و استعداد خاکهای ایران. مؤسسه تحقیقات خاک و آب.
2
بهنیا، م. 1370 . زراعت زعفران. انتشارات دانشگاه تهران.
3
جعفر بیگلو، م و مبارکی، ز. 1387 . سنجشتناسب اراضی استان قزوین از نظر کشت زعفران بر اساسروشهای
4
.101- تصمیمگیری چند معیاره. مجله پژوهشهای جغرافیای طبیعی. شماره 66 . صفحات 119
5
راشد محصل، م. ح. 1368 ، گزارش علمی بررسی وضعیت زعفران. سازمان پژوهشهای علمی و صنعتی ایران.
6
سازمان جغرافیایی نیروهای مسلح. 1382 . نقشههای توپوگرافی در مقیاس 1:250000 شهرستان مرند.
7
.(Land cover) سازمان جنگلها، مراتع و آبخیزداری کشور. 1381 . نقشههای رقومی پوشش سطح زمین
8
1994 . دادهها و اطلاعات روزانه ایستگاههای هواشناسی شهرستان مرند و - سازمان هواشناسی کشور. 2004
9
ایستگاههای مجاور.
10
فرجی سبکبار، ح.. 1384 مکانیابی واحدهای خدمات بازرگانی با استفاده از روش سلسله مراتبی. مجله پژوهشهای
11
.125- جغرافیایی، مؤسسه جغرافیا. دانشگاه تهران، شماره 51 . صفحات 138
12
انتشارات دانشگاه صنعتی امیر کبیر. . AHP قدسی پور، س. ح. 1384 فرآیند تحلیل سلسله مراتبی
13
20 شماره 3 / سال 1389 / 170 یزدچی، رسولی و ... مجله دانش آب و خاک/ جلد 1
14
کافی، م . 1381 . زعفران، فناوری، تولید و فرآوری. دانشگاه فردوسی مشهد.
15
کوچکی، ع و خیابانی، ح. 1371 . مبانی اکولوژی کشاورزی. انتشارات جهاد دانشگاهی مشهد.
16
مبارکی، ز، 1384 . مکانیابی کشت زعفران در استان قزوین . پایان نامه کارشناسی ارشد. دانشگاه تهران.
17
میرزا بیاتی، ر. 1383 . امکان سنجی کشت زعفران در دشت نیشابور. پایاننامه کارشناسی ارشد. دانشگاه تربیت مدرس.
18
نوکندی، ع. ک. 1378 . اثرات عوامل اقلیمی بر کشت زعفران در جنوب خراسان. .پایاننامه کارشناسی ارشد. دانشگاه
19
اصفهان.
20
Bown, WM 1993. AHP, Multiple Criteria Evaluation in Klosterman, Spreadsheet Models for Urban
21
and Regional Analysis. New Brunswick Center for Urban Policy Research. Springer. USA.
22
Kafi, M, Koocheki, A, Rashed, MH and Nassiri, M, 2006. Saffron (Crous sativus) Production and
23
Processing, USA Science Publishers.
24
Saaty, TL, 1980. The Analytical Hierarchy Process, Planning, Priority and Resource Allocation,
25
RWS Publication. USA.
26
Saaty, TL, 1988. Hierarchies and Priortiesy In: Saaty, TL and Alexander JM, (Eds), The Thinking
27
with Models: Mathematical Models in Physical and Social Sciences. Oxford Pergamon Press.
28
pp: 148 – 155.
29
ORIGINAL_ARTICLE
تحلیل منحنی های پسماند رسوب معلق در رودخانه لیقوان
اطلاع از تغییرات میزان رسوبات معلق در مقابل نوسانات ناگهانی و تدریجی دبی رودخانهها از مسائل مهم در پروژههایآبی، به ویژه مدیریت حوضههای آبریز میباشد. بدین منظور استفاده از حلقههای پسماند رسوب که بر مبنای تئوریپسماند است در چند دهه اخیر گسترش یافته است. بدلیل نبود چنین مطالعاتی در ایران، در این تحقیق سعی گردیده تاتغییرات منحنی پسماند رسوبات معلق 13 رویداد سیل در مدت 4 سال در حوضه آبریز معرف لیقوان برای نخستین بارمورد بررسی قرار گیرد. لذا پس از شبیهسازی مقادیر بار معلق لحظهای با استفاده از روشهای شبکههای عصبیمصنوعی و رگرسیونی، منحنیهای پسماند بار معلق بر اساس بهترین روش برای هر رویداد رسم شد که 6 مورد حلقهپسماند خطی، 4 مورد 8 مانند، 2 مورد ساعتگرد و یک مورد پادساعتگرد برای رسوب معلق رودخانه مشاهده گردید.نتایج نشان داد که حلقههای پسماند خطی در فصل بهار و ناشی از بارشها با شدت کم رخ داده و حلقههای 8 مانندعمدتاً در شرایط کم آب سال که دبی کم بوده ولی شدت بارشزیاد میباشد، اتفاق افتاده است.
https://water-soil.tabrizu.ac.ir/article_1340_44b32b70eb60e0c746923c03dbfa5982.pdf
2010-10-23
171
183
حلقه پسماند
رسوب معلق
سیل
لیقوان
منحنی پسماند
محمدعلی
قربانی
ghorbani@tabrizu.ac.ir و cusp2004@yahoo.com
1
گروه مهندسی آب دانشگاه تبریز
LEAD_AUTHOR
فرنوش
مرادی زاده
2
گروه مهندسی آب دانشگاه تبریز
AUTHOR
سامان
نیک مهر
3
گروه مهندسی آب دانشگاه تهران
AUTHOR
بینام، 1382 . گزارش هواشناسی و هیدرولوژی طرح حوضه لیقوان، سازمان آب منطقهای آذربایجان شرقی.
1
Alexandrov Y, Laronne JB and Reid I, 2003. Suspended sediment concentration and its variation
2
with water discharge in a dryl and ephemeral channel, northern Negev, Israel. Journal of Arid
3
Environments 53: 73–84.
4
Bača P, 2002. Temporal variability of suspended sediment availability during rainfall-runoff events
5
in a small agricultural basin. ERB and Northern European FRIEND Project 5 Conference,
6
Demänovská dolina, Slovakia, 3: 44-51.
7
Defina A and Susin FM, 2003. Hysteretic behavior of the flow under a vertical sluice gate. Physics
8
of Fluids 15(9): 2541-2548.
9
Ferguson RI, 1986. River loads underestimated by rating curves. Water Resources Research 22(1):
10
Haykin S, 1998. Neural Networks: a Comprehensive Foundation. Prentice-Hall, Upper Saddle
11
River, NJ..
12
Lenzi MA and Marchi L, 2000. Suspended sediment load during floods in a small stream of the
13
Dolomites (northeastern Italy). Catena 39: 267–282.
14
Lippman R, 1987. An introduction to computing with neural nets. IEEE ASSP Mag 4: 4-22.
15
Lorens P, Queralt I, Plana F and Gallart F, 1997. Studying solute and particulate sediment transfer
16
in a small Mediterranean mountainous catchment subject to land abandonment. Earth Surface
17
Processes and Landforms 22: 1027–1035.
18
Nadal-Romero E, Regüés D and Latron J, 2008. Relationships among rainfall, runoff, and
19
suspended sediment in a small catchment with badlands. Catena 74: 127–136.
20
تحلیل منحنیهای پس ماند رسوب معلق در رودخانه لیقوان 183
21
O’Kane J and Flynn D, 2007. Thresholds, switches and hysteresis in hydrology from the pedon to
22
the catchment scale: a non linear systems theory. Hydrology & Earth System Sciences 11(1):
23
Picouet C, Hingray B and Olivry JC, 2001. Empirical and conceptual modelling of the suspended
24
sediment dynamics in a large tropical African river: the Upper Niger river basin. Journal of
25
Hydrology 250: 19–39.
26
Seeger M, Errea MP, Beguería S, Arnáez J, Martí C and García-Ruiz JM, 2004. Catchment soil
27
moisture and rainfall characteristics as determinant factors for discharge/suspended sediment
28
hysteretic loops in a small headwater catchment in the Spanish Pyrenees. Journal of Hydrology
29
288: 299–311.
30
Sichingabula HM, 1998. Factors controlling variations in suspended sediment concentration for
31
single-valued sediment rating curves, Fraser River, Britis Columbia, Canada. Hydrological
32
Processes 12: 1869–1894.
33
Williams G, 1989. Sediment concentration versus water discharge during single hydrologic events
34
in rivers. Journal of Hydrology 111: 89–106.
35
Zabaleta A, Martínez M, Uriarte J and Antigüedad I, 2007. Factors controlling suspended sediment
36
yield during runoff events in small headwater catchments of the Basque Country. Catena 71:
37
179–190.
38
ORIGINAL_ARTICLE
ارزیابی سیستم زهکش زیرزمینی نخیلات آبادان از نظر زهاب خروجی و تأثیر آن بر نوسانات سطح ایستابی با استفاده از مدل Drainmod
در این تحقیق، سیستم زهکش زیرزمینی بخشی از شبکه آبیاری و زهکشی نخیلات آبادان، از نظر شدت جریان خروجیارزیابی شد. با تجزیه و تحلیل آماری Drainmod و تأثیر آن بر نوسانات عمق سطح ایستابی، با نتایج حاصل از مدلو میانگین (S) مقادیر اندازهگیری شده در مزرعه و پیش بینی شده عمق سطح ایستابی توسط مدل، خطای استاندارد6 سانتیمتر، سال 2004 معادل / 6 و 33 / برای عمق سطح ایستابی، برای سال 2003 به ترتیب معادل 99 (α) انحراف مطلق8 سانتیمتر و سال 2007 / 9 و 82 / 7 سانتیمتر، سال 2006 معادل 2 / 8 و 82 / 8 سانتیمتر، سال 2005 معادل 21 / 8/94 و 428 سانتیمتر تعیین گردید. این مقادیر، مناسب بودن سیستم زهکش زیرزمینی را از نظر تأثیر آن بر / 9 و 93 / معادل 18نوسانات عمق سطح ایستابی نشان میدهد. همچنین با تجزیه و تحلیل آماری مقادیر اندازهگیری شده در مزرعه و پیشبرای شدت تخلیه زهکش- (α) و میانگین انحراف مطلق (S) بینی شده شدت تخلیه زهکشها توسط مدل، خطای استاندارد1 و برای / 1 و 07 / 1، سال 2007 معادل 13 / 1 و 3 / 1، سال 2006 معادل 38 / 1 و 43 / ها، در سال 2005 به ترتیب معادل 71 میلیمتر در روز تعیین گردید. این مقادیر نیز قابل قبول بودن سیستم زهکش زیرزمینی / 1 و 37 / سال 2008 معادل 52طرح را از نظر شدت تخلیه زهکشها نشان میدهد. همچنین با توجه به برنامهریزی آبیاری جاری نخیلات آبادان،برای سال 2010 پیش بینی گردید. با Drainmod نوسانات عمق سطح ایستابی و شدت خروجی زهکشها توسط مدلتوجه به نتایج این تحقیق، سیستم زهکش زیرزمینی نخیلات آبادان، از نظر شدت جریان خروجی و تأثیر آن بر نوساناتسطح ایستابی طرح، مناسب ارزیابی گردید و سیستم با کنترل سطح ایستابی، باعث فراهم آوردن شرایط مناسبی برایرشد درختان نخل خواهد شد.
https://water-soil.tabrizu.ac.ir/article_1341_4c8bf84681d447ba5305d68a8053a71e.pdf
2010-10-23
185
198
زهکشی نخیلات
شدت تخلیه زهکشها
نخیلات آبادان
نوسانات سطح ایستابی
حسین
بابازاده
h_babazadeh@hotmail.com
1
گروه علوم و مهندسی آب دانشگاه آزاد واحد علوم و تحقیقات تهران
LEAD_AUTHOR
داود
خدادادی دهکردی
2
گروه علوم و مهندسی آب دانشگاه آزاد واحد علوم و تحقیقات تهران
AUTHOR
امین
رفیعی نیا
3
دانشگاه علوم و تحقیقات اهواز
AUTHOR
سید امیر
شمس نیا
4
گروه علوم و مهندسی آب دانشگاه آزاد واحد علوم و تحقیقات تهران
AUTHOR
الناز
نوروزی اقدم
5
گروه علوم و مهندسی آب دانشگاه آزاد واحد علوم و تحقیقات تهران
AUTHOR
رحیمی قباق تپه م و کشکولی ح ع، 1385 . ارزیابی مدل
1
سطح ایستابی در شرایط نیمه خشک خوزستان. صفحههای 199 تا 206 . همایش ملی مدیریت شبکههای آبیاری و
2
زهکشی. اردیبهشت 85 . دانشگاه شهید چمران اهواز.
3
کافی م و مهدوی دامغانی ع م، 1381 . مکانیسمهای مقاومت گیاهان به تنشهای محیطی (ترجمه). انتشارات دانشگاه
4
فردوسی مشهد.
5
در طراحی و پایش Drainmod یاری ع، درزی ع، موسوی م، یاری ر و سلطانی محمدی ا، 1387 . کاربرد مدل
6
سیستمهای زهکشی اراضی فاریاب "مطالعه موردی: اراضی کشت و صنعت واحد غزالی خوزستان" . صفحههای
7
729 تا 739 . همایش ملی مدیریت شبکههای آبیاری و زهکشی. بهمن 87 . دانشگاه شهید چمران اهواز.
8
Box, GEP and Jenkins, GM 1976. Time Series Analysis, Forecasting and Control. Holden-Day
9
Publication.
10
Chang AC, Skaggs RW, Hermsmeier LF and Johnson WR, 1983. Evaluation of a water
11
management model for irrigated agriculture. Trans. ASAE 26 (2): 412–418.
12
Evans R and Skaggs RW, 1996. Operating controlled drainage and subirrigation systems, North
13
Carolina Cooperative Service. Publication Number: AG356.
14
Fouss JL, Bengtson RL and Carter CE, 1989. Simulating subsurface drainage in the lower
15
Mississippi valley with DRAINMOD. Trans. ASAE 30 (6): 1679–1688.
16
Gayle GA, Skaggs RW and Carter CE, 1985. Evaluation of a water management for a Louisiana
17
sugarcane field. J Am Soc of Sugarcane Technology 4: 18-28.
18
Gupta GP, Prasher SO, Chieng ST and Mathur IN, 1993. Application of DRAINMOD under semiarid
19
conditions. Agricultural Water Management 24: 63-80.
20
Maurizio B, Francesco M, Gabriele B, Mary P and Skaggs RW, 2000. Analysis of DRAINMOD
21
performances with different detail of soil input data in the Veneto region of Italy, Agricultural
22
Water Management, Vol. 42: 259 – 272.
23
Prasher SO, Madani A, Clemente RS, Geng GQ and Bhardwaj A, 1996. Evaluation of two water
24
table management models for Atlantic Canada. Agricultural Water Management 32: 49-69.
25
Skaggs RW, 1978. A water management model for shallow water table soils, Water Resources
26
Research Institute. University of North Carolina, Report No 134, Raleigh, USA
27
Skaggs RW, 1980. DRAINMOD reference report. Methods for design and evaluation of drainagewater
28
management systems for soils with high water tables. USDA-SCS, South National
29
Technical Center, Fort Worth, Texas. pp. 329.
30
20 شماره 3 سال 1389 / 198 بابازاده، خدادادی دهکردی و ... مجله دانش آب و خاک، جلد 1
31
Shirmohammadi A, 1997. Design guidelines for drainage systems and use of drainage. Pp:19-29,
32
Proceedings of the second national congress on soils and water issues: Tehran-IRAN.
33
Sing R, Helmers MJ and Zhiming Qi, 2006. Calibration and validation of DRAINMOD to design
34
subsurface drainage systems for Iowa’s tile landscapes. Agricultural Water Management,
35
85: 221–232.
36
Wahba MAS and Christen EW, 2006. Modeling subsurface drainage for salt load management in
37
southeastern Australia. Irrig Drain Syst, 20: 267-282.
38
ORIGINAL_ARTICLE
ارزیابی کارایی شبکه عصبی مصنوعی در پیش بینی شاخص های کیفی ( DO و BOD ) آب رودخانۀ دره مرادبیک همدان
یکی از عوامل مهم توسعه در هر منطقه فراهم بودن منابع آب مناسب میباشد. در این راستا علاوه بر کمیت، توجه به وضع کیفی آن نیز از اهمیت شایانی برخوردار است. هدف از این تحقیق کاربرد مدل شبکۀ عصبی پرسپترون چند لایه در مدلسازی شاخصهای کیفی آب رودخانهها است. در این مطالعه از اطلاعات و دادههای شامل 10 متغیر کیفی ماهانۀ آب رودخانۀ دره مراد بیک همدان در طول یک سال و در شش ایستگاه برای مدلسازی اکسیژن مورد نیاز بیولوژیکی بعنوان شاخصهای مؤثر بر کیفیت آب استفاده شد. کارایی مدل شبکههای عصبی (DO) و اکسیژن محلول (BOD) (MAE) و میانگین قدرمطلق خطا (RMSE) ریشۀ مربع میانگین خطا ، (R) توسط معیارهای آماری ضریب همبستگی 0 و / ضریب همبستگی به ترتیب 986 DO و BOD مورد ارزیابی قرار گرفت. با ساختار شبکه بهینه برای مدلسازی 0 بدست آمدند. نتایج برآمده از این مطالعه نشان دهندة کارایی / 8 و 84 / 0/969 و ریشه مربعات خطا به ترتیب 42 DO و BOD مناسب شبکه عصبی پرسپترون چند لایه بعنوان تکنیکی برتر برای شبیهسازی تغییرات شاخصهای
https://water-soil.tabrizu.ac.ir/article_1342_6849804b0d71bebf5a687d876fc2f3b4.pdf
2010-10-23
199
210
رودخانه مراد پیک
شاخص های کیفیت آب
شبکه عصبی مصنوعی
DO
BOD
احسان
علیائی
1
گروه مهندسی آب دانشگاه بوعلی سینا
AUTHOR
حسین
بانژاد
hossein_banejad@yahoo.com
2
گروه مهندسی آب، دانشگاه بوعلی سینا
LEAD_AUTHOR
محمدتقی
صمدی
3
گروه مهندسی بهداشت محیط، دانشگاه بوعلی سینا
AUTHOR
علیرضا
رحمانی
4
گروه مهندسی بهداشت محیط دانشگاه بوعلی سینا
AUTHOR
محمدحسین
ساقی
5
گروه مهندسی بهداشت محیط دانشگاه علوم پزشکی همدان
AUTHOR
علیائی ا، قربانی م ع و جباری خامنه ح، 1387 . عملکرد حافظه اتورگرسیو و شبکههای عصبی مصنوعی در پیش بینی جریان روزانه رودخانه لیقوان. مجموعه مقالات سومین کنفرانس مدیریت منابع آب ایران (لوح فشرده). دانشکده مهندسی عمران دانشگاه تبریز. Bowers JA and Shedrow CB, 2000. Predicting stream water quality using artificial neural networks.WSRC-MS-2000-00112. Chen JC, Chang NB and ShiehWK, 2003.Assessing wastewater reclamation potential by neural network model. Engin Appl Artif Intell 166: 149–57. Hore A, Dutta S, Datta S and Bhattacharjee C, 2008. Application of an artificial neural network in wastewater quality monitoring: prediction of water quality index. International. Journal of Nuclear Desalination (IJND) 3: 160 - 74. Huiqun M and Ling L, 2008. Water quality assessment using artificial neural network. pp.13-5. International Conference on Computer Science and Software Engineering. Washington, DC, USA. Kunwar P, Singh AB, Amrita M and Gunja J, 2009. Artificial neural network modeling of the river water quality—A case study. Ecol Model 220:888–95. Kuo Y, Liu C and Lin KH, 2004. Evaluation of the ability of an artificial neural network model to assess the variation of groundwater quality in an area of blackfoot disease in Taiwan. Water Res 38: 148–58. Kuo J, Hsieh M, Lung W and She N, 2007. Using artificial neural network for reservoir eutriphication prediction. EcolModel 200: 171–7. Kurunc A, Yurekli K and Cevik O, 2005. Performance of two stochastic approaches for forecasting water quality and stream flow data fromYesilirmak River. Turkey Environ Model Software. 20: 1195–200. May D and Sivakumar M, 2009. Prediction of urban storm water quality using artificial neural networks. Environ Model Software. 24: 296-302. Najah A, Elshafie A, Karim O and Jaffar O, 2009. Prediction of Johor river water quality parameters using artificial neural networks. Europ J Sci Res 28: 422-35.
1