1378

CIV3 27

Mohamad Haytham Klaho

تعيين سياست هاي بهره برداري از مخزن سد تحت شرايط خشكسالي با تركيب روش برنامه ريزي پويا تصادفي و توابع مفصل (مورد مطالعه: سد مارون)

دكتري

2025-07-26

154 p.

رامتين معيني

محمدعلي عليجانيان

شاخص خشكسالي , توابع مفصل , هوش مصنوعي , فيوژن , تغيير اقليم , برنامه ريزي پويا تصادفي (SDP) , سياست هاي و فرمان هاي بهره برداري , تجزيه و تحليل ريسك

Considering climate change an‎d the impacts of drought on water resources highlights the necessity of proposing innovative approaches for effective management an‎d planning. In this thesis, a comprehensive framework is proposed for mitigating drought in the Marun Basin, Iran, improving water resource management under historical an‎d future conditions. In this method, at first, the Modified Surface Water Supply Index (M-SWSI) is proposed by combining meteorological, hydrological, an‎d socio-economic data using Shannon Entropy (SE). The M-SWSI, validated with copula functions an‎d Severity-Duration-Frequency (SDF) curves, demonstrates its good performance for drought risk assessment an‎d reservoir operation optimization in upstream an‎d downstream areas. Then, an Index-fusion-based framework for hybrid drought indices (such as Shannon Entropy, Copula functions, an‎d PCA) is proposed an‎d used. Individual Artificial Intelligence (IAI) models like MLP, RF, an‎d SVR are included to improve predictive accuracy under SSP climate scenarios, providing robust insights into future drought trends an‎d water resource allocation strategies. In addition, a novel approach is proposed by coupling Stochastic Dynamic Programming (SDP) with copula-based transition probability matrices (TPM-C) to determine reservoir operation rule curves. Compared to traditional Markov-based methods, the TPM-C-based method shows superior performance, leading to better reliability, resilience, an‎d sustainability metrics values, leveraging climate model projections for water inflow prediction. Finally, the coupling of the SDP with the copula function (using TPM-C matrices) is applied under drought conditions to determine reservoir operation rule curves. Compared to traditional Markov-based methods, the TPM-C-based method shows superior performance in conserving a greater quantity of Marun reservoir dam water an‎d alleviating the effects of drought, including the number of drought events, duration, an‎d severity. The results highlight the efficacy of the proposed approaches in drought assessment an‎d reservoir management, offering acceptable solutions for similar regions facing hydrological challenges due to climate change.

در ميان تشديد تغييرات اقليمي، تأثيرات خشكسالي بر منابع آب، ارائه رويكردهاي نوآورانه براي مديريت و برنامه ريزي مؤثر ضروري مي باشد. بنابراين در اين رساله چارچوبي جامع براي كاهش خشكسالي در حوضه مارون ايران و ارتقاي مديريت بهره برداري مخزن سد مارون در دوره هاي تاريخي و آينده ارائه شده است. در اين راستا، ابتدا، شاخص تامين آب سطحي اصلاح شده (M-SWSI) با تركيب داده‌هاي هواشناسي، هيدرولوژيكي و اجتماعي-اقتصادي با استفاده از آنتروپي شانون (SE) به عنوان يك روش نوآورانه معرفي شده است. سپس M-SWSI كه با استفاده از توابع مفصل و منحني‌هاي شدت-مدت-فركانس (SDF) معرفي شده است، عملكرد خود را براي ارزيابي خطر خشكسالي و بهينه‌سازي بهره برداري مخزن در مناطق بالادست و پايين دست نشان داده است. در مرحله دوم، يك چارچوب مبتني بر فيوژن شاخص‌هاي خشكسالي تركيبي (مانند آنتروپي شانون، توابع Copula و PCA) پياده‌سازي گرديد. در روش پيشنهادي، استفاده از مدل‌هاي هوش مصنوعي (IAI) مانند MLP، RF، و SVR دقت پيش‌بيني را تحت سناريوهاي اقليمي SSP افزايش داده و بينش‌هاي دقيق در مورد روند خشكسالي آينده و استراتژي‌هاي تخصيص منابع آب ارائه مي شود. در نهايت، يك رويكرد جديد بر مبناي روش برنامه‌ريزي پوياي تصادفي (SDP) با استفاده از ماتريس‌هاي احتمال انتقال مبتني بر توابع مفصل (TPM-C) براي اصلاح منحني‌هاي فرمان پيشنهاد شده است. به منظور بررسي عملكرد رويكرد پيشنهادي، شاخص هاي اعتماد پذيري، برگشت پذيري،آسيپ پذيري وپايداري مخزن محاسبه شده است. در مقايسه با روش‌هاي سنتي SDP مبتني بر ماركوف، منحني فرمان مبتني بر TPM-C عملكرد بهتري در معيارهاي قابليت اطمينان، انعطاف‌پذيري و پايداري دارد. در ادامه، از پيش‌بيني‌هاي مدل تغيير اقليم براي پيش‌بيني جريان آب استفاده شده است، و بدين منظور سه سناريو معرفي شده است. در اين تحقيق ، منحني هاي فرمان با SDP تجهيز شده با توابع مفصل (با استفاده از ماتريس TPM-C) در شرايط خشكسالي اصلاح گرديد. بررسي نتايج نشان داد كه در مقايسه با روش‌هاي سنتي مبتني بر ماركوف، TPM-C عملكرد مناسبتري را در حفظ مقدار بيشتري از آب سد مخزن مارون و كاهش اثرات خشكسالي از جمله تعداد رويدادهاي خشكسالي، مدت و شدت دارد. براي مقايسه كارايي رويكردهاي يكپارچه پيشنهادي را در ارزيابي خشكسالي و مديريت مخازن، ارائه راه‌حل‌هاي كاربردي براي مناطق مشابهي كه با چالش‌هاي هيدرولوژيكي ناشي از تغييرات اقليم مواجه هستند، نشان مي‌دهد.

محمد هيثم كلاهو

993035001

مهندسي عمران- مهندسي و مديريت منابع آب

مهندسي عمران

139825

139826

6

139827

139828

139829

139830

139831

139832

139833

139834

139835

139836

Drought index , Copula functions , Individual Artificial Intelligence , Fusion-Based , Climate change , Stochastic dynamic programming (SDP) , Operation rules an‎d policies , Risk analysis