عمران و پروژه
اعتبار،چابکی،پاسخگویی

تاریخچه آشوب در مدل بارش و رویکرد جدید نگاشت مزدوج ( مطالعه موردی: طراحی شبکه جمع آوری رواناب شهر باغبادران)

https://doi.org/10.22034/cpj.2025.506175.1345
دوره 7، شماره 2 - شماره پیاپی 72
اردیبهشت 1404
صفحه 11-25
عمران و پروژه

نوع مقاله : مقاله پژوهشی

نویسندگان

مهران ایران پورمبارکه 1
علی فضلی زاده 2

1 1-استاد یار، گروه مهندسی عمران واحد لنجان ، دانشگاه آزاد اسلامی، اصفهان، ایران 2-موسسه آموزش عالی عقیق شاهین شهر 3-شرکت مهندسان مشاور شهر آب سازه ایرسا

2 دانشجوی کارشناسی ارشد، مهندسی عمران مدیریت منابع آب، موسسه آموزش عالی عقیق شاهین شهر

چکیده
بررسی رفتار پدیده بارش یکی از موارد اساسی در طراحی، بهره برداری و مطالعات مربوط به مهندسی آب است. از این جهت ، به کارگیری روشهای نوین همچون نظریه آشوب در هیدرولوژی و منابع آب به دلیل نوآوری و قابلیت های آن به تازگی مورد توجه قرارگرفته است. از آنجا که فرایند بارش ماهیتی دینامیک و غیرخطی دارد بنابراین شناسایی فرایند بارش از جهت آشوبناکی از اهمیت بالایی برخوردار است برای این منظور تاکنون از روش های متعارفی از قبیل ، نمایی لیاپانف، بعد همبستگی، بازسازی فضای فاز، تعیین زمان تاخیر ، برآورد بعد محاط ، طیف توان فوریه، ضریب هرست، میانگین متحرک- اتورگرسیو استفاده شده است. با اینکه این روش ها توسعه یافته و نتایج خوبی در شناسایی آشوبناکی سیستم ها نشان می دهند اما تعداد پارامتر های مورد نیاز برای شناسایی زیاد هستند و علاوه بر این دارای مفاهیم پیچیده هستند. و بخاطر مقادیر بازه ای داده ها، محاسبات آنها همراه با خطا می باشد. به این دلایل روش نگاشت مزدوج برای شناسایی فرایند بارش پیشنهاد می گردد. برای استفاده از این روش ابتدا از داده های دوره آماری بارش 56 ساله (1344-1400) ایستگاه سینوپتیک کلیشادرخ منطقه مورد مطالعه، میانگین و انحراف معیار و ضریب تغییرات بدست می آیند. سپس یک نگاشت که فرایند آن آشوبناک باشد و بعد همبستگی آن بالاتر از 236/4 باشد کاندید می شود . بعد از آن نگاشت درجه دوم بخاطر غیر خطی بودن سیستم مورد مطالعه انتخاب می شود و ضرایب این نگاشت با استفاده از انحراف معیار، ضریب تغییرات و همچنین تعریف نگاشت مزدوج بدست می آیند. و با استفاده از تئوری نگاشت های مزدوج ، رفتار آشوبناکی فرایند مورد بررسی قرار می گیرد. محاسبات و مفاهیم ساده این روش که جزئیات آن در ادامه مورد بررسی قرار می گیرند از مزایای این روش می باشد.

کلیدواژه‌ها

زمان تاخیر
فاز
محاط
آشوب
نگاشت
مزدوج
موضوعات

عنوان مقاله English

Historical Analysis of Chaos in Rainfall Models and a New Approach Using Conjugate Mapping (Case Study: Runoff Collection Network Baghbadaran)

نویسندگان English

Mehran Iranpour mobareke 1
Ali Fazlizade 2
1 1-Assistant Professor, Civil Engineering, Islamic Azad Branch of Lenjan, Esfahan, Iran 2-Aghigh Non-Profit Higher Education Institute Shahrab sazahIrsaConsulting Engineers Company-
2 MSC Student, Civil Engineering, Aghigh of Shahinshahr Institute, Esfahan, Iran
چکیده English

Investigating the behavior of rainfall is one of the basic issues in design, operation, and studies related to water engineering. Therefore, the application of new methods such as chaos theory in hydrology and water resources has recently been considered due to its innovation and capabilities. Since the rainfall process has a dynamic and non-linear nature, it is very important to identify the rainfall process from a chaotic point of view. For this purpose, conventional methods such as Lyapunov exponential, correlation dimension, phase space reconstruction, delay time determination, embedding dimension estimation, Fourier power spectrum, Hurst coefficient, autoregressive moving average have been used. Although these methods are developed and show good results in identifying chaotic systems, but more parameters are needed to identify chaos. In addition, the concepts of these parameters are difficult, and therefore they often have interval values, there is an error in decision-making. For these reasons, the conjugate mapping method is suggested to identify the rainfall process. To use this method, first, the average, standard deviation, and coefficient of variation are obtained from the statistical data of the 56-year rainfall period (1344-1400) of the Kilishadrokh synoptic station in the study area. Then a mapping whose process is chaotic and whose correlation dimension is higher than 4.236 is candidate. After that, the quadratic mapping is selected due to the nonlinearity of the studied system, and the coefficients of this mapping are obtained by determining the standard deviation, the coefficient of variation, and also the definition of the conjugate mapping. then by using the theory of conjugate mappings, the chaotic behavior of the process is investigated. The simple calculations and simple concepts of this method, are those the advantages of this method. Details of this method are discussed as follow.

کلیدواژه‌ها English

  • Mapping
  • Conjugate
  • Chaos
  • Embedding
  • phase
  • Delay Time
Adab, F., Karami, H., Mousavi, S.F., & Farzin, S. (2018). Analysis of Karun River flow at
three scales: daily, monthly, and seasonal with chaos theory indices. Researches of the natural
geography, 50(3), 443-457. [Persian]
Ahmadi, M.J. (2019). Chaos of theory. Khwaja Nasiruddin Tusi University. [Persian]
Anise Hosseini, M., & Moshfegh, M.Z. (2012). Application of chaos theory in the analysis of
precipitation-runoff Presses. 7th National Congress of Civil Engineering, Shahid Nikbakht
Faculty of Engineering Zahedan, Iran. [Persian]
Cartwright, T.J. (2007). Planning and chaos theory. Journal of the American Planning
Association, 57(1), 44-56.
11 / ایران پور مبارکه، مهران، فضلی زاده، علی -25 ،)2(7 ، نشریه عمران و پروژه، 1404
24
Elaydi, S. N. (2008). Discrete chaos with applications in science and engineering. Chapman
& Hall/CRC.Taylor &Francis Group.
Elshorbagy, A., Simonovic, S. P., & Panu, U. S. Noise reduction in chaotic hydrologic time
series: facts and doubts. Journal of Hydrology, 256(4), 147-165.
Fakhry, M., Farzaneh, M. R., Eslamian, S., & Hosseinipour E. Z. (2011) Uncertainly analysis
of downscaled precipitation using lars-wg statistical model in shahrekord station, Iran. World
Environmental and Water Resources Congress, 4572-4578. [Persian]
Fakhry, M., Farzaneh, M. R., Eslamian S., & Khordadi, M. (2013). Confidence interval
assessment to estimate dry and wet spells under climate change in shahrekord station, Iran.
Journal of Hydrology, 18(7), 911-918. [Persian]
Hashemi, M. Z. (2011). Comparsion of SDSM and Lars wg for simulation and downscaling
of extreme precipitation events in a watershed. Journal of Stochastic Environmental Research
and Risk Assessment, 25(4), 475-483. [Persian]
Hegger, R., Kantz, H., & Schreiber. (1999). Practical implementation of nonlinear time series
methods. The TISEAN package Chaos, 9(4), 413-435.
Iranpour, M.M. et al, (2024). Studies, modeling and design of the surface runoff collection and
disposal system of Baghbadaran city. (vol.1). [Persian]
Jani, R., Ghorbani, M. A., & Shamsaei, A. (2015). Analyzing the monthly rainfall of Bandar
Anzali using chaos theory in climate change conditions. Iranian Water Research Journal, 9(1),
29-39. [Persian]
Jayawardena, A.W., & Lai, F. (1997). Analysis and prediction of chaos in rainfall and stream
flow time series. Journal of Hydrology, 153(9), 23– 52.70
Karamouz, M. (2009). Long lead rainfall prediction using statistical downscaling and artificial
neural network modeling. Civil Engineering Journal, 16, 165-172. [Persian]
Lorenz, E. N. (1993). Deterministic non-periodic flow. Journal of Atmospheric Science, 20(3)
130-141.
Min, S. (2011). Dynamic characteristics of monthly rainfall in the Korean peninsula under
climate change. Journal of Stoch Environ Research and Risk Assessment, 25(6), 613-625.
Panu, U.S., Ng, W.W., & Lennox, W.C. (2007). Chaos based Analytical techniques for daily
extreme hydrological observations. Journal of Hydrology, 342(14), 17– 41.
Parizanganeh, M., Ataei, M., & Moallem, P. (2010). Phase Space Reconstruction of Chaotic
Time Series Using an Intelligent Method. Journal of Transactions of Electrical Technology,
1(3), 3-10. [Persian]
Sivakumar, B., & Bernadtsson, R. (2000). Dynamics of monthly rainfall-runoff process at the
Gota basin. Journal of Hydrology and Earth System Sciences, 4(3), 407-417.
11 / ایران پور مبارکه، مهران، فضلی زاده، علی -25 ،)2(7 ، نشریه عمران و پروژه، 1404
25
Sivakumar, B. (2001). Rainfall dynamics at different temporal scales. Hydrology and Earth
System Sciences,5(4), 641-651.
Sivakumar B. (2005). Chaos in rainfall, variability, temporal scale and zeros. Journal of
Hydroinformatices,7(3), 175-184.
Valerio, C., Safwan, A., Rita, C., Mariela, H., & William, B. (2022). Chaos identification
through the autocorrelation function indicator(ACFI). http://doi:10.1017/S1743921321001307
0 1994 - Elsevier Science B.V.
Yazdani, M., Hoshmanzadeh, F., &Mousavi, S.F. (2022). Investigation of chaos and phase
space reconstruction of evaporation dynamics using chaos theory. Journal of Water and Soil
Science, 26(1), 117-129. [Persian]
  • تاریخ دریافت 23 دی 1403
  • تاریخ بازنگری 06 اسفند 1403
  • تاریخ پذیرش 10 اسفند 1403
  • تاریخ اولین انتشار 10 اسفند 1403
  • تاریخ انتشار 01 اردیبهشت 1404

صفحه اصلی

ارسال مقاله

تماس با ما

مقالات در نوبت انتشار