ترغب بنشر مسار تعليمي؟ اضغط هنا

تعتمد تدفقات الأنهار على كميات الهطل المطري في أحواضها الساكبة، حيث يرتبط التدفق بكمية الهطل ارتباطاً وثيقاً، كما يتعلق التدفق بعوامل مناخية و جغرافية عديدة. و تتمتع العلاقة بين الهطل و الجريان بأهمية كبيرة في تقدير التدفقات و تغيّراتها في حوض الحويز الواقع بين حوضي الزرود و الجيلاني، و يشكل حوض الحويز جزءاً من حوض نهر السخابة. شيد سد الحويز على نهر الحويز بطاقة تخزينية بلغت 16.5 مليون متر مكعب. تهدف الدراسة إلى إيجاد علاقة تربط بين قيم الهطل المطري و الجريان النهري في حوض الحويز. حيث اعتمد البحث على التحليل الإحصائي لبيانات الهطل و الجريان، إضافةً إلى الدراسة التحليلية لبيانات الهطل المطري السنوي ((1959-2011 مما يساعد في معرفة نزعة الهطولات المطرية و تغيراتها في المستقبل، و التنبؤ بتغيرات تدفقات نهر الحويز. و بيّنت الدراسة أن قيم عامل الجريان تراوحت بين (0.007-0.66). و تم التوصل إلى معادلة رياضية تتيح تقدير كمية التدفق اعتماداً على قيم الهطل المقيسة أو المتوقعة، و استيفاء البيانات المفقودة أو الناقصة بمستوى أداء جيد.
يقع الحوض الساكب (السفرقية) على السفوح الغربية لسلسلة الجبال الساحلية، و تبلغ مساحته km2 132.58، و هو يشكّل جزءاً من الحوض الساكب لنهر الروس، و يبدأ مجرى النهر على ارتفاع 1200م، و تلتقي مجموعة روافد فتشكّل نهر الروس الذي يصبّ في البحر المتوسط. و شُيّ د سد صلاح الدين لتخزين 10 MCM على مجرى النهر عند موقع تلاقي نهر القرداحة مع نهر الشحادة. تهدف الدراسة إلى تحديد العلاقة بين الهطل المطري و الجريان السطحي في حوض السفرقية. و اعتمد البحث على التحليل الإحصائي لبيانات الهطل المطري و الجريان، و بيّنت الدراسة أنَّ الكمية الوسطية للهطل المطري السنوي تبلغ MCM 159.6، و الكميّة الوسطية للجريان السطحي تبلغ 9.4 MCM خلال فترة الدراسة (2012-2010 )، و من ثَمّ فإنّ قيمة عامل الجريان السطحي تبلغ 0.06؛ أي أنّ الفواقد المائية كبيرة جداً، و تمّ استنتاج علاقة رياضية تسمح بتقدير كميات الجريان السطحي اعتماداً على قيم الهطل، لما لذلك من أهمية في دراسة المشروعات المائية لتخزين المياه و إدارتها، و درء الفيضانات.
يوضح البحث العوامل المؤثرة على الهطول المطري و المعدل العام و التغيرات السنوية و الشهرية و اليومية, عن طريق حساب الانحراف المعياري و التذبذب السنوي ,حيث تبين أن الانحراف المعياري عن المعدل العام يعطي قيم كبيرة , في المحطات التي تقع في الشمال من من طقة الدراسة , و أن نسبة التذبذب تكون مرتفعة في المحطات الواقعة في الوسط و الجنوب , بسبب طبيعة المناخ الجاف, فضل عن أن زيادة عدد الأيام الماطرة لا تعني بالضرورة الزيادة في كمية الهطول , كما يلحظ تباين في كمية الهطول المطري من محطة لأخرى بسبب تباين العوامل المناخية المؤثرة فيها.
تستخدم الشبكة العصبية الصنعية طريقة تعلم استقرائي، و تتطلب بشكل عام أمثِلة لبيانات التدريب، بينما تستخدم الخوارزمية الجينية تعلم اقتطاعي، و تتطلب تابع هدف. لقد تمّ تنظيم التعاون بين هاتين التقانتين في دراستنا هذه بغرض تعزيز أداء كل تقانة من خلال بن اء نظام هجين منهما، عن طريق كتابة برمجيّة عامّة باستخدام برنامج MATLAB بغرض الاختيار الفعّال لمتحولات الدخل لعمليات التنبؤ، و أمثلة أوزان شبكة البيانات قيد الدراسة، و من ثمّ تطبيق هذه البرنامج على بيانات يوميّة، تمّ جمعها من حوض نهر الكبير الجنوبي هي (الهطول، التبخر، الحرارة، الرطوبة النسبية و الجريان النهري بتأخر زمني مقداره يوم واحد) بغرض التنبؤ بالجريان النهري.
تهدف هذه الدراسة إلى تحديد العناصر المناخية الأكثر تأثيرا على علاقة الهطل - جريان لنهر الكبير الشمالي, باستخدام الشبكات العصبية الاصطناعية. حيث احتوت مدخلات الشبكات العصبية على الهطل المطري و التدفق في النهر, وفق تأخرات زمنية مختلفة, بالإضافة إلى هنص ر من العناصر المناخية في كل نموذج من النماذج, لتحديد النموذج الأفضل و الأكثر دقة.
تعتبر الأمطار من الظواهر غير الخطية المعقدة، و التي تتطلب النمذجة الرياضية غير الخطية لغرض التنبؤ بها. هذه الدراسة تقارن أداء التنبؤ بالأمطار ليوم مقدماً، حيث وضعت اثنين من نماذج الشبكات العصبونية (ذات التغذية الأمامية) للتنبؤ بأمطار يومية متتالية لثلاثة أشهر (كانون الأول، كانون الثاني، شباط) و هذه النماذج هي: نموذج الشبكات العصبية الاصطناعية التقليدية (ANN) و نموذج عصبوني مع تقنية التحويل المويجي وفق (wavelet- neural) طريقتين مختلفتين لبناء النماذج و باستخدام نوعين من المويجات من عائلة دوبغنز (db2, db5) و من أجل المقارنة بين أداء النماذج في قدرتها على التنبؤ بالأمطار على المدى القصير (ليوم و يومين و ثلاثة أيام مقدماً) للأشهر الأخيرة من فترة الدراسة، فقد استخدمت بعض المعايير الإحصائية، التي اشتملت على جذر متوسط مربعات الأخطاء (RMSE) و معامل الارتباط (R).
التنبّؤ بالطقس و خاصةً الأمطار، هي واحدة من المهام العملية الأكثر تحدياً و أهمية، و التي تقوم بها خدمات الأرصاد الجوية في جميع أنحاء العالم، علاوة على كونه إجراء معقد يتطلب مجالات متخصصة و متعددة من الخبرات. في هذه الورقة، أقترح نموذج الشبكات العصبي َّة (ANNs) مع تحويل المويجات كأداة للتنبؤ بالأمطار الشّهرية بشكل متتالي بالاعتماد على البيانات السابقة لهطول الأمطار (1933-2009)، المأخوذة من محطة حمص للأرصاد الجوية. حيث تم تحليل السلسلة الزمنية للأمطار إلى معاملاتها التفصيلية و التقريبية على ثلاث مستويات باستخدام تحويل المويجات المتقطع (Discrete Wavelet Transform (DWT، و استخدمت الشَّبكة العصبيَّة أمامية التغذية مع خوارزمية الانتشار العكسي في عملية التعلم و التنبّؤ. توصلت الدراسة إلى أن الشبكة العصبية WNN ذات الهيكلية (1-8-8-8-5)، قادرة على التنبؤ بالأمطار الشهرية في محطة حمص على المدى الطويل بمعامل تحديد وجذر متوسط مربعات الأخطاء (7.74mm,0.98) على الترتيب. تقدم تقنية تحويل المويجات ميزة مفيدة قائمة على تحليل البيانات، مما يحسن من أداء النموذج، و تطبق هذه التقنية في نماذج الشبكات العصبية الاصطناعية للأمطار لأنها بسيطة، كما يمكن تطبيق هذه التقنية لنماذج أخرى.
نظراً لأهمية المياه و ازدياد الحاجة إليها في الوقت الحاضر نتيجةً للتطور الكبير الحاصل في جميع مجالات الحياة الاقتصادية و الاجتماعية, و باعتبار التقييم و التخطيط و إدارة المصادر المائية أحد المواضيع الهامة في الحياة البشرية و بالأخص في المناطق التي تت ميز بندرة الهطولات المطرية أو التي يكون فيها التوزيع المطري رديئاً أو غير منتظم بحيث لا يمكن استخدامه للأغراض المختلفة. من هنا أتت أهمية البحث في التنبؤ بالهطل المطري في محطة حصن سليمان, و لتحقيق هذا الهدف فقد استُخدمت بيانات السلسلة الزمنية لمعدل الهطل المطري السنوي في محطة حصن سليمان الواقعة في محافظة طرطوس على خط الطول 36°15' و خط العرض 34°56' للفترة بين عامي 1959-2011, و قد استُخدمت في الدراسة منهجية بوكس – جنكنز التي تعتمد على إيجاد التنبؤات المستقبلية لسلسلة البيانات الأصلية. كما تم استخدام البرامج Minitab و Excel في الجانب الإحصائي و إعداد نتائج الدراسة. توصلت الدراسة إلى أن الهطل المطري في محطة حصن سليمان متناقص و قد بلغ هذا التناقص 3,7 ملم في العام خلال فترة الرصد, كما توصلت إلى بناء نموذج (ARIMA) المناسب للسلسلة بعد أن اجتاز مختلف الاختبارات الإحصائية المطلوبة، و كان النموذج (ARIMA(1,0,0 هو النموذج المناسب لتمثيل البيانات و النموذج (ARIMA(4,1,5 هو النموذج المناسب للتنبؤ بالهطل المطري المستقبلي.
أجري هذا البحث بهدف معرفة تأثير قطرات المطر من حيث قوة الصدم و ارتباطها بالشدة المطرية و كذلك التتابع المطري على كمية التربة المنجرفة و المياه المنجرفة الناتجة عن الانجراف المائي .
يهدف البحث إلى إيجاد نموذج الانحدار الزمني للهطول المطري في منطقة قسطل - معاف - حوض الساحل ، حيث تم التحليل الإحصائي خلال فترة 48 سنة (من 1961 - 1962 و لغاية 2008 - 2009 ) باستخدام البرنامج الإحصائي SPSS V22 لتمثيل العلاقة بين الظاهرة المدروسة (الهطول المطري) و العوامل التي يعكس أثرها الزمن.
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا