تخمینی از جریان‌های ورودی و خروجی

سیمای کلی هیدرولوژی حوضه آبخیز زاینده‌رود

در این مقاله به بررسی کلی خصوصیات هیدرولوژیکی و استفاده از آب در حوضه زاینده‌رود براساس آمار موجود در دوره یازده ساله (1998-1987) پرداخته شده است. در این راستا جریان ورودی به دریاچه سد، جریان خروجی از دریاچه و آبگیری‌ها در طول مسیر رودخانه، به منظور آبیاری اراضی کشاورزی و دیگر مصارف مورد بررسی قرار گرفته و یک بیلان آبی اجمالی در سطح حوضه ارائه شده است. نتایج نشان می‌دهد که جریان‌های ورودی به دریاچه، نیاز آبیاری، شرب و بخش صنعت را در پایین دست تأمین نموده و از یک الگوی منظم با تغییرات بسیار کم تبعیت می‌نماید؛ اما ذخیره سالیانه سد محدود بوده به طوری که در طول دوره‌های خشک‌سالی طولانی، حوضه را آسیب‌پذیر نموده است. هم‌چنین روند آب خروجی از سد زاینده‌رود، یک الگوی قابل پیش‌بینی را به جز در مواقع سیلابی نشان می‌دهد. به نظر می‌رسد، اعتماد و درصد اطمینان بالایی در تأمین نیازهای آبی، در دوره تقاضای حداکثر وجود دارد؛ ولی آب خروجی در ماه‌های فصل زمستان و در پایان فصل آبیاری، دارای میزان پائین و با تغییرات بالا می‌باشد که در نتیجه بده رودخانه کم و کیفیت آب به ویژه در پایاب رودخانه پایین‌ می‌آید. یک بیلان آبی ساده، نسبت جریان آب برگشتی در حوضه (میانگین سالیانه) را 30 درصد تخمین زده است. میزان حجم آب برگشتی به ویژه در قسمت‌های پایین دست حوضه، بسیار مهم است. البته یک ارزیابی دقیق‌تر با در نظر گرفتن پارامترهای آب زیرزمینی و کیفیت آب، قبل از نتیجه‌گیری قطعی، ضروری به نظر می‌رسد. با فرض محدودیت تأمین آب با کیفیت بالا در حوضه آبریز زاینده‌رود، اگر امکان صرفه‌جویی واقعی آب در حوضه، وجود داشته باشد، می‌توان به توسعه منابع آب و اصلاح مدیریت این منابع دست یافت. از این رو در سطوح مزرعه، شبکه و حوضه درک قابل قبولی در مورد کاربرد آب و استفاده مجدد آب ضروری است

عنوان مقاله [English]

An Overview of the Hydrology of the Zayandeh Rud Basin, Iran

نویسندگان [English]

• Hamid Reza Salemi 1
• H. Murray Rust 2

This paper provides an overview of the hydrology and water use in the Zayandeh Rud basin based on the data available over the 11- years period 1988-1998. The inflows into Chadegan reservoir, the releases from the reservoir, and the extractions along the river for irrigation and other purposes are considered, and a rapid water balance of the basin is performed. Inflows to the Chadegan reservoir, which serves to collect and regulate the runoff from the upper catchment of the basin to better meet the downstream water requirements for irrigation, urban and industrial uses, follow a regular pattern with moderate variability. But the limited year-to-year storage in the reservoir makes the basin vulnerable to prolonged periods of drought. Water releases from the Chadegan reservoir also show a predictable pattern, with the only deviations occurring during flood events. There is a high reliability of meeting the water requirements during periods of peak demand. But releases during the winter months, at the end of the irrigation season, are lower and more variable. This results in low discharges in the Zayandeh Rud and reduced water quality, especially in the lower reaches of the river. A simple water-balance approach was used to estimate the proportion of return flows in the basin. An average annual value of 30% was obtained, with the magnitude of return flows being particularly important in the lower reaches of the basin. But more investigation, especially including groundwater and water quality aspects, needs to be carried out before a definitive value can be advanced. Given the limited supply of fresh water in the Zayandeh Rud basin, further water resources development and water management improvements can only be envisaged in there is scope for real water savings in the basin. This can be assessed if a basin-wide approach, leading to a good understanding of water use (and reuse) at the farm, system and basin levels, is adopted.

مراجع

1- Droogers, P., Salemi, H.R., and Mamanpoush, H.R., (2000). “Exploring Basin Scale Salinity Problems Using a Simplified Water Accounting Model: the Example of Zayandeh Rud Basin, Iran”, IAERI-IWMI Research Report 5. IRAN.

2- Gieske, A., Miranzadeh, M. and Mamanpoush, A., (2000). “Groundwater Chemistry of the Lenjanat District, Esfahan Province”, IEARI-EARC-IWMI Research Report 4. IRAN.

3- Keller, A., Keller, J. and Seckler, D.W., (1996). “Integrated Water Resources Systems: Theory and Policy Implications”. IWMI, Research Report 3, Colombo, Lanka: International Water Management Institute. Srilanka.

4- Modlen, D.J., (1997). “Accounting for Water Use and Productivity”, SWIM, Paper 1. Colombo, Srilanka: International Irrigation Management Institute.

5- Modlen, D.J. and Sakthivadivel, R., (1999). “Water Accounting to Assess Use and Productivity of Water”, International Journal of Water Resources Development Special Double Issue: Research from the International water Management Institute (IWMI)]. 15(1/2): 55-71.

6- Perry, C.J., (1996). “The IIMI Water Balance Framework: A Model for Project Level Analysis”, IWMI Research Report 5. Colombo, Srilanka: Irrigation Manangement Institute.

7- Perry, C.J., (1999). “The IWM Iwater Resources paradigm: Definitions and Implications”, Agricultural Water Management, 40(1): 45-50.

8- Salemi, H.R., Mamanpoush, A., Miranzadeh, M., Akbari, Torabi, M., Toomanian, N., Murray-Rust, H., Droogers, P., Sally, H., Gieske. A., (2000). “Water management for Sustainable Irrigated Agriculture in the Zayandeh Rud Basin, Esfahan Province, Iran”, IAERI-EARC-IWMI Research, Report 1.

فرمول انتقال حرارت شوفاژ [محاسبه نرخ انتقال + تبدیل انرژی]

خلاصه محتوا
انتقال حرارت در شوفاژ فرآیندی است برای گرم شدن ساختمان که به برخی محاسبات و بررسی ها نیاز دارد تا بتوان وضعیت سیستم گرمایشی ساختمان را به صورت ثابت نگه داشته و در هزینه تعمیرات صرفه جویی کرد. در این مقاله ما به بررسی نحوه محاسبه انتقال گرما در شوفاژ در ساختمان پرداخته ایم.

برای انجام عملیات گرمایش ساختمان به صورت صحیح و اصولی، شناخت عملکرد حفظ وضعیت سیستم گرمایشی ساختمان ضروری است. در این مقاله ما به بررسی نحوه محاسبه انتقال گرما در انواع رادیاتور شوفاژ ساختمان خواهیم پرداخت.

بررسی و نحوه محاسبه انتقال حرارت شوفاژ

معادله انتقال گرما همرفت را در نظر بگیرید:

• q تراکم شار گرما، W/m2
• T0 و T1 به ترتیب دمای سطح و محیط هستند (دمای هوا در اتاق و رادیاتور یا دمای هوا در اتاق و سطح داخلی حصار یا دمای هوای خارج و سطح خارجی ساختمان) و اگر q مثبت تلقی شود، T0 از T1 بیشتر است. h ضریب انتقال گرما است.

معادله بالا باید برای یک نقطه از سطح نوشته شود، زیرا درجه حرارت روی سطح معمولاً متغیر است. بنابراین، دمای رادیاتور در منطقه سردکننده حداکثر است. در هنگام عملکرد عادی سیستم، این دما در منطقه خروجی سردکننده (در فلنج خروجی) به حداقل می‌رسد. همچنین در صورت گرفتگی سیستم دما در قسمت های مسدود شده به حداقل می‌رسد. بنابراین، برای این‌که بتوان توان تحویل شده توسط این دستگاه را سنجید، باید فرمول بالا در سطح بیش‌تری از شوفاژ به کار گرفته شود. با توجه به ثابت بودن دمای هوا T1 در اتاق تخمینی از جریان‌های ورودی و خروجی در کل حجم آن (یا هرجای دیگر نزدیک شوفاژ)، توان N را بدست می‌آوریم:

با توجه به ثابت بودن دمای هوا T1 در اتاق در کل حجم آن، توان N را بدست می‌آوریم

• Sk سطح محیط راداتور است،
• T0 میانگین دمای انتگرال شوفاژ است:

ویژگی شوفاژ میانگین دمای انتگرال است

بنابراین، ویژگی شوفاژ میانگین دمای انتگرال است. این تخمینی از جریان‌های ورودی و خروجی مشخصه توسط معادلات تعادل گرما، توان حرارتی خروجی تعیین می‌شود.

تعیین فرآیند انتقال گرما و جرم در سیستم گرمایش

فرآیندهای انتقال گرما و جرم در سیستم گرمایش توسط عوامل زیر تعیین می شود:

1) میزان جریان خنک کننده در ورودی سیستم گرمایش،

2) دمای خنک کننده در ورودی سیستم گرمایش،

3) جریان خنک کننده از طریق آسانسور (بازگشت تخمینی از جریان‌های ورودی و خروجی خنک کننده از لوله خروجی به ورودی)،

4) توزیع میزان جریان خنک کننده بر روی برج های گرمایش،

5) تلفات گرما طی جریان خنک کننده از منبع گرما به مبدل ها،

6) شوفاژ شنت شده.

علاوه بر این، عوامل زیر بر ضرایب انتقال حرارت از این دستگاه به اتاق، منطقه شوفاژها و توزیع دمای آنها در منطقه تأثیر می‌گذارند. عوامل تخمینی از جریان‌های ورودی و خروجی ثانویه (وابسته) عبارتند از دمای مایع خنک کننده در ورودی هر دستگاه و دمای مایع خنک کننده در خروجی سیستم گرمایش. در سیستم های گرمایشی با مدار باز، بخشی از خنک کننده برای تأمین آب گرم مصرف می‌شود. از این رو نتیجه می‌شود که میزان جریان خنک کننده انحرافی در لوله خروجی کمتر از میزان جریان خنک کننده عرضه شده در لوله ورودی است. در این حالت، فرمول محاسبه تعیین انرژی گرمایی مصرف شده به شرح زیر است:

• Q0 میزان مصرف انرژی گرمایی در سیستم گرمایش است،
• Qh میزان مصرف انرژی گرمایی برای آب گرم است،
• M1 سرعت جریان جرم در ورودی است،
• M2 میزان جریان جرم خنک کننده در خروجی است،
• h1، h2 به ترتیب آنتالپی خاص مایع خنک کننده در ورودی و خروجی هستند (محصول ظرفیت گرمایی خاص و دما)،
• hx آنتالپی خاص خنک کننده در خروجی فاضلاب است،
• Mh سرعت جریان جرم خنک کننده از طریق سیستم آب گرم است:

مقدار Q0 شامل دو بار نرخ جریان Mh است: یک بار جریان کل در ورودی سیستم و بار دوم به عنوان یک اصطلاح جداگانه. اصطلاح اول در معادله انرژی گرمایی بالا تعادل انرژی گرمایی مصرف شده و تغییرات آنتالپی مایع خنک کننده را بیان می‌کند. برای هر شوفاژ سیستم گرمایشی می توان یک معادله تعادل مشابه نوشت:

• c گرمای خاص خنک کننده است،
• ρ تراکم حامل گرما است،
• Q جریان حجمی خنک کننده از طریق رادیاتور است،
• Tin و Тout دمای خنک کننده در ورودی رادیاتورو در خروجی رادیاتور هستند.

معادله قبل را به راحتی می توان بازنویسی کرد. بگذارید محصول چگالی حامل گرما ρ و میزان جریان حجم Q را با جریان جرم μ برابر با این محصول جایگزین کنیم:

سرعت جریان جرم ثابت است. این امر به تغییر دما در طول رایزر بستگی ندارد. با افزودن معادله توان، معادلات تعادل گرما را بدست می آوریم. این معادله مربوط به میانگین دمای انتگرال رادیاتور، دمای اتاق و همچنین دمای مایع خنک کننده در ورودی به رادیاتور و خروجی رادیاتور است. این معادلات را می‌توان برای همه دستگاه‌های یک رایزر نوشت. در صورت عدم شنت دستگاه، معادلات تحت شرایط اولیه نوشته می‌شوند. شرایط اولیه دمای مایع خنک کننده در ورودی رایزر است. همانطور که در شکل زیر نشان داده شده است، بعضی از شوفاژهای هدف شبیه سازی شنت شده اند.

معادله برنولی برای بررسی جریال سیال

خنک کننده از بالا تغذیه می‌شود، سرعت جریان آن برابر با V است. انشعاب های جریان خنک کننده در نقطه 1: بخشی از خنک کننده وارد جامپر می‌شود (سرعت جریان از طریق جامپر V1)، بخشی هم وارد رادیاتور می‌شود (سرعت جریان از طریق ورودی V2). میزان کل جریان خنک کننده در ورودی سیستم «شوفاژ- شنت» برابر با نرخ جریانμ در رایزر است؛ این میزان برابر است با مجموع مصرف از طریق جامپر μ1 و از طریق رادیاتور μ2. در نقطه 2، جریان های خنک کننده ادغام می‌شوند و در نقطه 3، نرخ جریان قرار دارد و سرعت (بدون در نظر گرفتن تغییرات چگالی) برابر با V است. جریان خنک کننده در شنت با معادله برنولی تعیین می‌شود:

• z1، z2 ارتفاع بین 1 و 2 است،
• p1، p2 فشار در نقاط 1 و 2 است،
• a1 ضریب شکل بخش است (ثابت در امتداد طول شنت)،
• g شتاب جاذبه است،
• h1 تلفات هیدرولیکی در شنت است.

فرمول معادله جریان در شوفاژ

• h₂ نشان دهنده تلفات هیدرولیکی دستگاهاست،
• a₂ ضریب شکل بخش این دستگاه است.

نسبت سرعت

با نادیده گرفتن موقت تغییر چگالی مایع خنک کننده، نسبت بین میزان جریان ولتاژ مایع خنک کننده در شوفاژ و شنت را پیدا می کنیم. با توجه به اینکه سرعت جریان حجمی به میزان وابستگی متناسب مربوط است، نسبت جریان از طریق این دستگاه به جریان از طریق شنت به عنوان نسبت سرعت اینگونه پیدا می‌شود:

آنتالپی

اجازه دهید تغییر محتوای گرما (آنتالپی) خنک کننده را در نظر بگیریم. همانطور که از طریق شوفاژ حرکت می کند، مایع خنک کننده خنک می شود. در شنت، دما نیز کاهش می یابد، اما به میزان کم‌تری. اجازه دهید دما خنک کننده در نقطه 1، عبارت باشد از T₁، در خروجی جامر (یعنی در نقطه 2 جامپر) دما T₂₁ باشد و در خروجی این دستگاه (یعنی در نقطه 2 لوله خروجی) T₂₂. در نقطه 2 بلافاصله پس از همگرایی لوله ها، خنک کننده مخلوط می شود. طبق قانون مخلوط ها، آنتالپی E را به صورت خاص، این گونه تعریف می‌کنیم :

• که در آن c عبارت است از گرمای خاص.

دمای خنک کننده پس از عبور از شوفاژ

حالا به جریان جرم برگردیم و فرمول زیر را خواهیم داشت:

در اینجا، میزان جریان خنک کننده از طریق شنت و انتقال دهنده گرما، یا بهتر بگوییم، سهم جریان کل μ، ناشناخته است. البته خود μ هم ناشناخته است. با در نظر گرفتن اینکه μ = μ 1 + μ 2، با رفتن به مقادیر نسبی جریان (در کسرهای μ)، در آخرین معادله می توان تنها یک مجهول مستقل را به حال خود رها کنیم:

که در آن تصمیم گرفته می شود که چنین باشد:

نتیجه به دست آمده به ما اجازه می دهد که با توجه به اندازه دما، نسبت جریان حجمی را از طریق شنت تخمین بزنیم.

اجازه دهید با استفاده از محاسبه هیدرولیکی تغییر نسبت جریان از طریق جامپر را تجزیه و تحلیل کنیم. نسبت سرعت جریان از طریق انتقال دهنده گرما و از طریق شنت متناسب با ریشه جذر نسبت افت هیدرولیکی است:

تلفات هیدرولیکی در شنت

که در آنL، d طول و قطر داخلی شنت هستند، λ_т ضریب اصطکاک هیدرولیکی در برابر دیواره هاست، ς ضریب تلفات هیدرولیکی محلی در ورودی و خروجی شنت است.

ضریب λ_T به سرعت جریان V₁ بستگی دارد. به عنوان یک جریان آرام، این جریان با عدد رینولدز (و از این رو با سرعت) متناسب است ، به عنوان یک جریان آشفته، این جریان با ریشه درجه چهارم عدد رینولدز برابر است. مقاومت های محلی (ورودی، خروجی و دیافراگم) متناسب با اوج سرعت با ضریب ثابت هستند.

نحوه محاسبه تلفات هیدرولیکی در شوفاژ

تلفات هیدرولیکی در انتقال دهنده گرما مثل مقاومت‌های محلی محاسبه می شود (ضریب تلفات هیدرولیکی با دبی 0.1 کیلوگرم بر ثانیه 1.5-1.8 است).

بنابراین، هرچه ضریب اصطکاک هیدرولیکی کم‌تر و طول کوتاه‌تر باشد، همراه با تغییر در سرعت جریان خنک کننده، نسبت h₂ / h₁ کم‌تر می‌شود. در اولین تخمین خود می‌توانیم این رابطه را ثابت به دست آوریم. سپس می توان نسبت دبی را از طریق شوفاژ و جامپر نیز ثابت گرفت.

دما در ورودی و خروجی دستگاه شنت شده (سیستم شوفاژ- شنت) و توان تحویل داده شده توسط دستگاه به اتاق با نسبت تعادل مشابه متصل می شوند. برای جلوگیری از اختلاف در نشانه گذاری، عبارت توان به صورت زیر نوشته می‌شود:

• _∞T دمای هوای داخل خانه است،
• و T میانگین دمای انتگرال شوفاژ است.

درجه حرارت انتگرال متوسط اولاً با درجه حرارت مایع خنک کننده در ورودی و خروجی دستگاه به ترتیب T₁ و T₂₂ است و دومی هم با توزیع سرعت مایع خنک کننده بر روی این دستگاه تعیین می شود. در حالت ایده آل، با این فرض که هر ذره مایع خنک کننده با حرکت در امتداد انتقال دهنده گرما به همان میزان خنک می‌شود، و سرعت تغییر دمای آن ثابت باشد، دمای انتگرال متوسط برابر با میانگین حسابی ورودی و دمای خروجی است. در حقیقت، میانگین دمای انتگرال کم‌تر است، زیرا دما به طور مساوی بر روی مقاطع توزیع نمی‌شود.

ما وابستگی میانگین دمای انتگرال به دمای ورودی و خروجی را با یک معادله چهارگانه تخمین می‌زنیم:

که در آن ضریب χ یک پارامتر است که توزیع ناهموار دما را در منطقه خود (ضریب ناهمواری دما) در نظر می‌گیرد. به علاوه، با توجه به اینکه افت دما روی جامپر در مقایسه با افت دما در رادیاتور بسیار ناچیز است، ما T₁ ≈ T₂₁ گرفته و دما را در خروجی آن از طریق دمای خروجی از T₂ "شوفاژ شنت" بیان می‌کنیم. اجازه دهید درجه حرارت را در خروجی دستگاه T₂₂ از طریق دما در خروجی جامپر T₂ بیان کنیم:

با جایگزین کردن این فرمول در معادله چهارگانه، به دست می‌آوریم:

آنگاه نشانه گذاری را چنین معرفی می‌کنیم:

فرمول میانگین دمای انتگرال

توجه داشته باشید که مقدار α + β = 1.

توان تحویل شده توسط رادیاتور شنت شده بر حسب دمای ورودی و خروجی به شرح زیر بیان می‌شود:

از طرف دیگر، این نیرو از طریق افزایش آنتالپی مایع خنک کننده در ورودی و خروجی بیان می‌شود:

نسبت تعادل سیستم رادیاتور شنت

این نسبت به معادله مربوط به دمای مایع خنک کننده در ورودی و خروجی به سیستم "شوفاژ-شنت" با دمای اتاق و جریان جرم خنک کننده در دستگاه گرمایش به این صورت داده می‌شود:

📢 مقالات مرتبط جهت مطالعه بیشتر

• محاسبه تعداد پره‌ های رادیاتور [از 0 تا 100 در عرض 3 سوت]
• نحوه نصب رادیاتور پنلی، پره ای +[نحوه‌ هواگیری]

🔔 محصولات مرتبط

• رادیاتور آلومینیومی
• رادیاتور حوله خشک کن
• رادیاتور پانلی (پنلی)
• رادیاتور فولادی

نکته پایانی :
اما باید بگوییم که تیم تخصصی ما در وب سایت " ترموتجهیز " تجربه وسیعی در زمینه طراحی، اجرا و فروش سیستم‌های تهویه مطبوع دارد. شما می‌توانید قبل از هر اقدامی با تیم مشاوره فنی و رایگان ترموتجهیز تماس حاصل فرمائید. ما همیشه بهترین‌ها را قبل از ارائه توصیه‌ها در نظر می‌گیریم. تیم ما از شنبه تا پنجشنبه از ساعت 8:30 تا 17:00 در خدمت شما عزیزان می‌باشد.

تیم تخصصی ما در وب سایت " ترموتجهیز " تجربه وسیعی در زمینه طراحی، اجرا و فروش سیستم‌های تهویه مطبوع دارد. شما می‌توانید قبل از هر اقدامی با تیم مشاوره فنی و رایگان ترموتجهیز تماس حاصل فرمائید. ما همیشه بهترین‌ها را قبل از ارائه توصیه‌ها در نظر می‌گیریم. تیم ما از شنبه تا پنجشنبه از ساعت 8:30 تا 17:00 در خدمت شما عزیزان می‌باشد.

خروجی بیت کوین از صرافی ها همچنان بیشتر از ورودی

از ژوئیه گذشته، در بیشتر صرافی‌ها به جز Binance، FTX، Bittrex و Bitfinex، جریان‌های خروجی بیت کوین بیشتر از ورودی‌ها بوده است، که نشان می‌دهد ممکن است فروشندگان طبق گفته Glassnode خسته شده باشند.

اقتصاد آنلاین – حسین عسکری؛ جریان ورودی بیت کوین در تمام صرافی ها از ژوئیه گذشته به طور خالص منفی بوده است، اما چهار صرافی اصلی برخلاف این روند با مقدار یکسانی از خالص ورودی مثبت کار می کنند.

از ژوئیه گذشته تا کنون 46000 بیت کوین (به ارزش حدود 1.8 میلیارد دلار به قیمت فعلی) از تمامی صرافی های ارز دیجیتال خارج شده است.

بر اساس اطلاعات منتشر شده از خبرنامه شرکت تجزیه و تحلیل بلاک چین Glassnode در 7 مارس، تنها بایننس، بیت‌ترکس، بیت‌فینکس و تخمینی از جریان‌های ورودی و خروجی FTX ورودی مثبت خالص 207000 بیت کوین (BTC) داشته‌اند. در همین بازه زمانی، جریان خروجی خالص از سایر صرافی‌های ردیابی شده در مجموع به ۲۵۳۰۰۰ بیت کوین رسیده است.

FTX، Binance، Bittrex، و Bitfinex از جولای 2021 ورودی مثبت خالص بیت کوین داشته اند

FTX و Huobi چشمگیرترین تغییر را در دارایی های بیت کوین خود از جولای گذشته تخمینی از جریان‌های ورودی و خروجی تجربه کرده اند. در حالی که FTX رشد بیش از سه برابری در میزان بیت کوین های خود داشته و آنها را به 103200 رسانده است. دارایی Huobi از بیش از 400000 بیت کوین در مارس 2020 به تنها 12300 بیت کوین یا حدود 6 درصد از آنچه در اختیار داشت کاهش یافته است.

اکثر صرافی ها از جولای 2021 شاهد جریان منفی خالص بیت کوین بوده اند

خالص خروجی ها از سال گذشته با چند جهش عمده در ماه اوت و اخیراً در 11 ژانویه ثابت بوده است.

با این حال، گلس‌نود جریان نسبتاً پایین فعلی را به «فاز عدم اطمینان بازار در حال حاضر» نسبت می‌دهد و میگوید بازار معاملات کریپتو، به طور کلی، به منظور محافظت از ریسک، به معاملات مشتقات روی فروش نقدی روی آورده است.

جریان های ورودی ارز برای کمک به درک بهتر اینکه آیا سرمایه گذاران در حال نقد کردن دارایی خود هستند یا نگهداری آنها، اندازه گیری می شوند.

خالص جریان ورودی فشار فروش ورودی را نشان می دهد در حالی که جریان خالص خروجی نشان دهنده توقف فروش و افزایش خرید است.

بیت کوین هایی که در زنجیره باقی می‌مانند، قیمت واقعی 24100 دلار برای هر بیت‌کوین را حفظ می‌کنند، که نشان می‌دهد اکثر دارندگان از حاشیه سود 63 درصدی برخوردار هستند. قیمت واقعی میانگین قیمت تمام بیت کوین هایی است که زمانی روی زنجیره جابجا شدند.

قیمت واقعی در تضاد با قیمت فعلی 38430 دلار است. قیمت ضمنی یک قیمت ارزش منصفانه تخمینی برای هر کوین است و در حال حاضر دقیقاً زیر نقطه سربه سر است.

در حال حاضر، دارندگان کوتاه‌مدت تا حدود 15 درصد در ضررهستند زیرا میانگین قیمت کوین ‌هایی که در 155 روز گذشته روی زنجیره منتقل شده اند، طبق گفته گلس‌نود، 46400 دلار است.

علاوه بر حجم کم ورودی و خروجی، نسبت سود و زیان (PnL) فروشندگان است که از ابتدای سال 2021 به طور قابل توجهی برابر شده است.

طبق داده های گلسنود ما هنوز شاهد تسلیم هولدرهای بلند مدت نیستیم که این برای بازار اتفاق مثبتی است.

مطالعه و ارزیابی روش‌های توسعه‌یافته تخمین پارامترهای نفوذ در آبیاری جویچه‌ای معمولی و یک در میان ثابت

پارامترهای معادلات نفوذ، در ارزیابی و طراحی سیستم­های آبیاری نقش اساسی دارند و به­منظور افزایش بازده آبیاری ضروری است که با دقت فراوان تخمین­زده شوند. در این مطالعه، روش­های دو نقطه­ای الیوت و واکر 3 ، دو نقطه­ای ابراهیمیان و همکاران، یک نقطه­ای شپارد 4 و همکاران، بهینه‌سازی چند­سطحی و پیشروی بنامی و افن 5 با داده­های اندازه­گیری شده ارزیابی و مقایسه شدند، و دقت هر یک از آن­ها در برآورد حجم نفوذ آب به خاک و تخمین مرحله پیشروی در آبیاری جویچه­ای معمولی و یک در میان ثابت در یک خاک رسی تعیین شد. بدین منظور، جویچه­هایی به طول 70 متر، عرض 75/0 متر، شیب تقریبی 0075/0 متر بر متر و شدت جریان ورودی برای آبیاری اول 9/0 و آبیاری­های دوم و سوم 1/1 لیتر بر ثانیه، ایجاد گردید. نفوذ آب در جویچه­ها با استفاده از روش ورودی - خروجی در مزرعه اندازه­گیری شد. نتایج نشان داد که، براساس تخمین پارامترهای نفوذ، در برآورد میزان آب نفوذ یافته به خاک، روش­های بهینه­سازی چند­سطحی و دو نقطه­ای الیوت و واکر در آبیاری جویچه­ای معمولی به­ترتیب با 9/14 و 87/17 درصد و در آبیاری جویچه­ای یک در میان ثابت به­ترتیب با 1/12 و 92/25 درصد دارای کم­ترین خطای نسبی می­باشند. و روش یک نقطه­ای شپارد در برآورد میزان آب نفوذ یافته به خاک، در آبیاری جویچه­ای معمولی و یک در میان ثابت به­ترتیب با 53/40 تخمینی از جریان‌های ورودی و خروجی و 37/33 درصد بیش­ترین خطای نسبی را دارد. روش بهینه­سازی چند­سطحی کم­ترین RMSE را در برآورد حجم کل آب نفوذ یافته در آبیاری جویچه­ای معمولی و یک در میان ثابت داشت. در پیش­بینی مرحله پیشروی با استفاده از روش­های مختلف در آبیاری جویچه­ای و یک در میان ثابت روش­های یک نقطه­ای شپارد و دو نقطه­ای الیوت و واکر به­ترتیب آبیاری با 71/18 و 91/28 درصد و 51/17 و 4/34 درصد دارای کم­ترین خطای استاندارد بوده­اند. مقایسه نتایج روش بهینه­سازی چندسطحی با روش دونقطه­ای الیوت و واکر نشان داد که درصد اختلاف این دو روش در برآورد حجم نفوذ آب به خاک در آبیاری جویچه­ای معمولی کم و حدود 3 درصد می­باشد. به همین جهت می­توان روش بهینه­سازی چند­سطحی را برای برآورد دقیق­تر حجم نفوذ آب در جویچه­ها در شرایط خاک مشابه استفاده کرد.

کلیدواژه‌ها

• آبیاری جویچه‌ای
• تخمین پارامترهای نفوذ
• بهینه‌سازی چندسطحی
• فاز پیشروی

عنوان مقاله [English]

Studying and Evaluating of Developed Methods for Estimation of Infiltration Parameters in Conventional and Fixed Alternate Furrow Irrigation

نویسندگان [English]

• Saman Rastgo 1
• Sina Besharat 2

1 MSc Student, Department of Water Engineering., Faculty of Agriculture., Urmia University., Urmia., Iran.

2 Assistant Professor, Department of Water Engineering., Faculty of Agriculture., Urmia University., Urmia., Iran.

Parameters of infiltration equation have fundamental role in evaluation and design of irrigation systems. In fact, it’s essential that these parameters be carefully estimated in order to increase irrigation efficiency. In this research the تخمینی از جریان‌های ورودی و خروجی Elliott and Walker two-point method, Ebrahimian et al. two-point method, Shepard et al. one-point method, Multilevel optimization method and Benami and Ofen advance method were compared with measured data. The accuracy of each one of them in estimation of advance phase in conventional and fixed alternate furrow irrigation was evaluated in a clay soil. For this purpose, furrows with a length of 70 m, width of 0.75 m, and approximate slope of 0.0075 m/m were prepared. These furrows had 0.9 L/s inflow rate in the first irrigation and 1.1 L/s inflow rate in the second and third irrigations. Infiltration in the furrows was measured in the field using the input-output method. According تخمینی از جریان‌های ورودی و خروجی to the estimation infiltration parameters in estimating of the amount infiltrated, The results showed that the Multilevel optimization method and Elliott and Walker two-point method have the least relative error in conventional furrow irrigation (14.9-17.87%) and in fixed alternate furrow irrigation (12.1- 25.92%), respectively. And the Shepard one-point method have the maximum relative error in estimating of the amount infiltrated in conventional furrow irrigation (40.53%) and in fixed alternate furrow irrigation (33.37%). The Multilevel optimization method provided the least (RMSE) in the estimation of the total volume of infiltrated in the conventional and fixed alternate furrow irrigation. In the prediction of advance phase, the Shepard one-point method and Elliott and Walker two-point method had have the lowest standard error (18.71 and 28.91%) for conventional furrow irrigation and (17.51 and 34.4%) for fixed alternate furrow irrigation, respectively. Comparing the results of the Multilevel optimization method and Elliott and Walker two-point method showed that the percentage difference between this two methods for estimating the volume of infiltration in conventional furrow irrigation is low and just about three percents (3%). Therefore, it can be a Multilevel optimization method for accurately estimating the volume of infiltration in furrow the soil conditions are similar

کلیدواژه‌ها [English]

• Advance phase
• Estimating infiltration parameters
• Furrow irrigation
• Multilevel optimization

مراجع

ابراهیمیان،ح.، قنبریان علویچه ب.، عباسی،ف.، هورفر،ع.1389. ارایه روش دو نقطه­ای جدید به­منظور برآورد پارامترهای نفوذپذیری در آبیاری جویچه­ای و نواری و مقایسه آن با سایر روش­ها. نشریه آب و خاک جلد 24. 4: 698- 690.

ابراهیمیان،ح.، وردی­نژاد،ر.، کمالی،پ. 1394. ارزیابی و مقایسه روش بهینه­سازی چندسطحی و مدل IPARM در تخمین پارامترهای نفوذ درآبیاری جویچه­ای. نشریه مدیریت آب و آبیاری. 5. 1: 54- 43.

اوجاقلو،ح.، قبادی­نیا،م.، مجدزاده،ب.، سهرابی،ت.، عباسی،ف. 1387. مطالعه و ارزیابی روش­های توسعه یافته تخمین پارامترهای نفوذ در آبیاری جویچه­ای. دومین سمینار راهکارهای بهبود و اصلاح سامانه­های آبیاری سطحی. کمیته ملی آبیاری و زهکشی. 2 خرداد ماه. کرج.

پناهی،م.، میرلطیفی،م.، عباسی،ف. 1390. برآورد نفوذ آب در جویچه با یک مدل دوبعدی و مقایسه آن با سایر مدل­های نفوذ. مجله پژوهش­های آب ایران. سال ششم، شماره دهم.

تقی­ زاده ز.، وردی­نژاد،ر.، ابراهیمیان،ح.، خا­ محمدی،ن. 1391. ارزیابی مزرعه­ای و تحلیل سیستم آبیاری با WinSRFR، مطالعه موردی آبیاری جویچه­ای. نشریه آب و خاک (علوم و صنایع کشاورزی 6. 26: 1459-1450.

عباسی،ف. 1391. اصول جریان در آبیاری سطحی. چاپ اول، انتشارات کمیته ملی آبیاری و زهکشی ایران، تهران. ص 200.

عباسی،ف. 1387. روش­های بهبود و اصلاح سامانه­های آبیاری سطحی. مجموعه مقالات دومین سمینار راهکارهای بهبود و اصلاح سامانه­های آبیاری سطحی. 2 خردادماه، کرج. 1- 11.

مکاری قهرودی،ا.، لیاقت،ع.م.، نحوی­نیا،م.ج. 1392. کاربرد مدل WinSRFR 3.1 در شبیه­سازی آبیاری جویچه­ای. نشریه آبیاری زهکشی ایران.7. 1: 67-59.

Bautista,E., Clemmens,A.J., Strelkoff,T.S and Schlegel,J. 2009. Modern analysis of surface irrigation systems with WinSRFR. Agricultural Water Management. 96: 1146-1154.

Benami,A and Ofen,A. 1984. Irrigation Engineering: Sprinkler, Trickle, Surface Irrigation. Principles, Design and Agricultural Practices. Irrigation Engineering Scientific Publication, IIIC Bet Dagan.

Ebrahimian,H. 2014. Soil Infiltration Characteristics in Alternate and Conventional Furrow Irrigation using Different Estimation Methods. Korean Society of Civil Engineers. 18.6:1904-1911.

Ebrahimian,H., Liaghat,A.L., Ghanbarian,B and Abbasi,F. 2010. Evaluation of various quick methods for estimating furrow and border infiltration parameters. Irrigation Science. 28.6: 479–488.

Elliott,R.L and Walker,W.R. 1982. Field evaluation of تخمینی از جریان‌های ورودی و خروجی furrow infiltration and advance functions. Transaction ASAE. 25:396-400.

Esfandiari,M and Maheshwari,B.L. 1997.Application of the optimization method for estimating infiltration characteristics in furrow irrigation and its comparison with other methods. Agricultural Water Management. 34: 169-185.

Rodriguez,J.A. 2003. Estimation of advance and infiltration equations in furrow irrigation for untested discharges. Agricultural Water Management. 60: 227-239.

Shepard,J.S., Wallender,W.W and Hopmans,J.W. 1993. One method for estimating furrow infiltration. Transaction ASAE. 36.2:395- 404.

Walker,W.R. 2005. Multilevel calibration of furrow infiltration and roughness. Journal Irrigation and Drainage Engineering. 131 .2: 129-136.

Warrick,A.W., Lazarovitch,N., Furman,A and Zerihun,D. 2007. Explicit infiltration function for furrows. Journal Irrigation and Drainage Engineering. 133.4:307- 313.

Khatri,K.L and Smith,R.J. 2005. Evaluation of methods for determining infiltration parameters from irrigation advance data. Irrigation and Drainage. 54:467-482.

Mattar,M.A., Alazba,A.A and Zin El-Abedin,T.K. 2015. Forecasting furrow irrigation infiltration using artificial neural networks. Agricultural Water Management. 148: 63-71.

Moravejalahkami,B., Mostafazadeh-Fard,B., Heidarpour,M and Abbasi,F. 2012. Comparison of Multilevel Calibration and Volume Balance Method for Estimating Furrow Infiltration. Irrigation and Drainage Engineering. 138.8: 777-781.

Philip,J.R., Farrell,D.A. 1964. General solution of the infiltration–advance problem in irrigation hydraulics. Journal Geoph R. 69:621–631.

مقایسه و ارزیابی مدل‌های شبکه عصبی بیزین، برنامه‌ریزی بیان ژن، ماشین بردار پشتیبان و رگرسیون خطی در تخمین بده جریان؛ مطالعه موردی حوضه صوفی چای

پیش‌بینی جریان رودخانه برای برنامه‌ریزی طراحی و مدیریت مطمئن پروژه های منابع آب مهم است. در این پژوهش قابلیت کاربرد شبکه عصبی بیزین، برنامه‌ریزی ژن، ماشین بردار پشتیبان و رگرسیون خطی چندمتغیره برای پیش‌بینی سری زمانی جریان رودخانه صوفی چای بررسی شد. سری زمانی جریان روزانه رودخانه برای دوره 1376 تا 1389 برای ایستگاه هیدرومتری تازه کند رودخانه صوفی چای مورد استفاده واقع شد. جهت بدست آوردن بهترین نگاشت ورودی و خروجی؛ ترکیبات مختلف ورودی با استفاده از داده‌های پیشین جریان روزانه رودخانه محاسبه شد. کارایی مدل‌ها با استفاده از چهار معیار خطای: ضریب همبستگی (CC)، ریشه جذر میانگین خطا (RMSE ( و ضریب نش ساتکلیف و بایاس محاسبه شد. مقایسه مدل‌ها نشان داد که شبکه عصبی بیزین با ضریب همبستگی (991/0)، جذر میانگین مربعات خطا (m 3 /s031/0)، نش ساتکلیف (981/0) و مقدار بایاس (006/0-) بهترین تخمین را از داده‌های روزانه جریان رودخانه نسبت به مدل‌های برنامه‌ریزی بیان ژن، ماشین بردار پشتیبان و رگرسیون خطی چندمتغیره داشته است.

کلیدواژه‌ها

• : برنامه‌ریزی بیان ژن
• دبی جریان
• شبکه عصبی بیزین
• ماشین بردار پشتیبان

عنوان مقاله [English]

Comparison and Evalution of Bayesian Neural Network, Gene expression programming, Support Vector Machine and Multiple Linear Regression in River Discharge Estimation (Case Study: Sufi Chay Basin)

نویسندگان [English]

• Reza Dehghani 1
• Mohammad ali Ghorbani 2
• Mohammad Teshnehlab 3
• Amir Rikhtehgar Gheasi 4
• esamil Asadi 5

3 Professor of Electrical Engineering - Control, Electrical Engineering Department, K.N Toosi University, Tehran, Iran, [email protected]

Prediction of river dischargeis importance for reliable planning, design and management of water resources projects. This study investigates the applicability of Bayesian Neural Network (BNN), Gene-Expression Programming (GEP), Support Vector Machine (SVM), and Multi linear Regression (MLR) for prediction of river dischargetime series in the Soufichay river, Iran. Daily river dischargetime series for period of 1997 to 2010 of Tazehkand hydrometric station from Soufichay river was used. To obtain the best input–output mapping, different input combinations of antecedent daily river dischargewere evaluated. The performance of the models were evaluated through the four performance criteria: Correlation Coefficient (CC), Root Mean Square Error (RMSE), the Nash–Sutcliffe efficiency coefficient (N-S) and Bias criteria. A comparison of models indicates that BNN with CC (0.991), RMSE (0.031m 3 /s), N-S (0.981) and Bias(-0.006) predicted better than GEP, SVM, and MLR models for daily river dischargetime series

کلیدواژه‌ها [English]

• : Bayesian neural networks
• Discharge
• Genetic programming
• Support Vector Machine

مراجع

اسکندری، ع. و ر. نوری. 1389. توسعه مدلی مناسب بر مبنای شبکه عصبی مصنوعی و ماشین بردار پشتیبان برای پیش‌بینی به هنگام اکسیژن خواهی بیوشیمیایی 5 روزه. محیط شناسی سال سی و هشتم، شماره 61. ص 76-74.

بنی‌حبیب، م.، ا. موسوی، م. سادات جمالی. 1389. مدل شبکه عصبی مصنوعی برای بررسی همبستگی روزانه بین ایستگاه‌ها در پیش‌بینی جریان ورودی به مخزن سد دز. مجله پژوهش آب ایران. سال چهارم. شماره 7. ص32-25.

سلطانی، ع.، م. ع. قربانی، ا. فاخری فرد، ص. دربندی و د. فرسادی زاده. 1389. برنامه­ریزی ژنتیک و کاربرد آن در مدل­سازی فرآیند بارش- رواناب. مجله دانش آب و خاک. شماره 4 .ص 71-62 .

طباطبایی، س. ع. و پ. دشتی‌زاده. 1387. معرفی شبکه های عصبی Bayesian وکاربرد آن‌ها در نگهداری پل‌ها. چهاردهمین کنفرانس دانشجویان مهندسی عمران سراسر کشور.

فربودنام، ن.، م. ع. قربانی و م. ت. اعلمی. 1388. پیش‌بینی جریان رودخانه با استفاده از برنامه‌ریزی ژنتیک (مطالعه موردی: حوضه آبریز رودخانه لیقوان). نشریه دانش آب و خاک. شماره 19. ص 123-107.

قربانی، م. ع. و ا. صالحی. 1390. استفاده از برنامه‌ریزی بیان ژن در بررسی تغییرات داده‌های کیفی آب زیرزمینی با نوسانات سطح آب در دشت برخوردار اصفهان. ششمین کنگره ملی مهندسی عمران.

محرم‌پور، م.، ع. محرابی و م .کاتوزی. 1390. به کارگیری ماشین بردار پشتیبان SVM برای پیش‌بینی دبی روزانه. چهارمین کنفرانس مدیریت منابع آب ایران.

Aytek A., M. Asce and M. Alp. 2008. An application of artificial intelligence for rainfall–runoff modeling. J Earth System Science 117: 145-155.

Ferreira, C. 2001. Gene expression programming: a new adaptive algorithm for solving problems. Complex Systems, Vol.13(2): 87–129.

Fithriasari, K., N. Brodjol, U. Sutikno, H. Kuswanto. 2013. Prediction of Hourly Rainfall using Bayesian Neural Network with Adjusting Procedure. The Third Basic Science International Conference .

Foresee, F. D. 1997. Gauss-newton approximation to Bayesian regularization. International Joint Conference on Neural Network, Houston:1930-1935.

Ghorbani, M. A., R. Khatibi, H. Asadi and P. Yousefi. 2012. Inter- Comparison of an Evolutionary Programming Model of Suspended Sediment Time-series whit other تخمینی از جریان‌های ورودی و خروجی Local Model. INTECH. doi. org/10.5772/47801,: 255-282.

Guven, A. 2009. Linear genetic programming for time-series modelling of daily flow rate. Journal Earth System Science, vol 118: 157-173.

He. Z., X. Wen. H. Liu. and J. Du. 2014. "A comparative study of artificial neural network, adaptive neuro fuzzy inference system and support vector machine for forecasting river flow in the semiarid mountain region". Journal of Hydrology 509 : 379–386

Khan, M. S. and P. Coulibaly .2006. Bayesian neural network for rainfall-runoff modeling, Water Resour. Res., 42,W07409, doi:10.1029/2005WR003971.

Khatibi, R., L. Naghipour, M. A. Ghorbani and M. T. Aalami. 2012. Predictability of relative humidity by two artificial intelligence techniques using noisy data from two Californian gauging stations. Neural computing and application: 643-941.

Othman, F. and M.Naseri. 2011. Reservoir inflow forecasting using artificial neural Network. International Journal of the Physical Sciences Vol. 6(3): 434-440.

Xu, L., J. Wang, J. Guan, and F. Huang. 2007. A Support Vector Machine Model for Mapping of Lake Water Quality from Remote-Sensed Images. IC-MED. Vol. 1(1): 57-66.