پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,503 |
| تعداد مشاهده مقاله | 124,121,194 |
| تعداد دریافت فایل اصل مقاله | 97,227,898 |
کنترل تبخیر از سطح آزاد آب با استفاده از مادۀ نانو ساختار سیلیکا (مطالعۀ موردی: دریاچۀ پشت سد کرخه) | ||
| اکوهیدرولوژی | ||
| دوره 10، شماره 4، دی 1402، صفحه 545-553 اصل مقاله (676.15 K) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2024.368966.1776 | ||
| نویسندگان | ||
| کتایون ستاریان اصیل1؛ حسین یوسفی2؛ فاطمه راضی آستارایی2 | ||
| 1کارشناس ارشد اکوهیدرولوژی، دانشکدگان علوم و فناوری‌های میان‌رشته‌ای، دانشگاه تهران، ایران | ||
| 2دانشیار، دانشکدگان علوم و فناوری‌های میان‌رشته‌ای، دانشگاه تهران، ایران | ||
| چکیده | ||
| با توجه به گرمایش جهانی و افزایش جمعیت کرۀ زمین، نگهداری و حفاظت از منابع آبی در دسترس امری بسیار مهم است. یکی از عواملی که امروزه باعث کاهش منابع آبی شده، افزایش میزان نرخ تبخیر از سطح در منابع آبی است. در این بررسی با استفاده از نتایج آزمایشی حاصل از کار سینا بشیر و همکاران اقدام به میزان تبخیر دریاچۀ پشت سد کرخه شده است. این مدلسازی با بهره‌گیری از سیستم استنتاج فازی عصبی‌ـ تطبیقی انجام شده است. رویکرد این سیستم در این مدلسازی رویکرد ممدانی در نظر گرفته شده است، زیرا این رویکرد عملکرد بسیار خوبی در مدلسازی فرایندهای پویا و طبیعی مانند تبخیر را دارد. طبق نتایج آزمایشگاهی در حضور مادۀ نانو ساختار سیلیکا در دمای ۲۸، ۳۲ و ۴۰ درجۀ سانتی‌گراد و در شرایط باد ۴ متر بر ثانیه (مشابه باد غالب در اطراف سد کرخه) میزان تبخیر به‌ترتیب ۳۳، ۳۲ و ۳۰ درصد کاهش مییابد. در این مدلسازی میزان درصد کاهش تبخیر را طبق نتایج آزمایشگاهی به صورت ضریب به مدلسازی وارد می‌شود. در نتیجه، میزان نرخ تبخیر به‌دست‌آمده نهایی مقداری است که در نتیجۀ حضور مادۀ نانو تبخیر می‌شود. در این مدلسازی با در نظر گرفتن ایجاد پوشش عایق حرارتی نانوساختاری فقط برای ۲۰ درصد از سطح دریاچه می‌توان میزان ۲ میلیون متر مکعب آب را ذخیره و صرفه‌جویی کرد. | ||
| کلیدواژه‌ها | ||
| مدریت منابع آب؛ کاهش تبخیر؛ بهینه سازی؛ سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) | ||
| عنوان مقاله [English] | ||
| Evaporation control from the water surface using silica nanostructure material (Case study: Karkheh Dam Lake) | ||
| نویسندگان [English] | ||
| Katayoon Sataryan Asil1؛ Hossein Yousefi2؛ Fatemeh Razi Astaraei2 | ||
| 1MSc. In Echohydrology, College of Interdisciplinary Science and Technology, University of Tehran, Iran | ||
| 2College of Interdisciplinary Science and Technology, University of Tehran, Iran | ||
| چکیده [English] | ||
| Due to global warming and the increase in the population of the planet, maintaining and protecting available water resources is very important. One of the factors that has caused the reduction of water resources today is the increase in the rate of evaporation from the level of water stored in water resources. In this study, using the experimental results obtained from the work of Sina Bashir et al., the evaporation rate of the lake behind the Karkheh Dam has been modeled. This modeling has been done using the neural-adaptive fuzzy inference system. The approach of this system is considered the Mamdani approach in this modeling because this approach has a very good performance in modeling dynamic and natural processes such as evaporation. According to the laboratory results, in the presence of silica nanostructured material at 28, 32 and 40 degrees Celsius and wind conditions of 4 meters per second (similar to the prevailing wind around the Karkheh dam), the evaporation rate decreases by 33, 32 and 30%, respectively. In this modeling, the rate of reduction of evaporation is entered into the modeling as a coefficient according to the laboratory results, and as a result, the rate of evaporation obtained is the result of the decrease in the presence of nanostructured material. In this modeling, considering the creation of a nanostructured thermal insulation cover for only 20% of the lake surface, 2 million cubic meters of water can be saved and saved. | ||
| کلیدواژه‌ها [English] | ||
| Water resource management, evaporation reduction, optimization, adaptive neural fuzzy inference system (ANFIS) | ||
| مراجع | ||
|
[1]. PILGRIM D. H., CHAPMAN T. G., and DORAN D. G., ‘Problems of rainfall-runoff modelling in arid and semiarid regions’, Hydrological Sciences Journal, vol. 33, no. 4, 1988, doi: 10.1080/02626668809491261. [2]. ‘(No Title)’. http://cwc.gov.in/sites/default/files/evaporation-control-in-reservoirs.pdf (accessed Jun. 12, 2021). [3]. Gallego-Elvira B., Baille A., Martín-Gorriz B., Maestre-Valero J. F., and Martínez-Alvarez V., ‘Evaluation of evaporation estimation methods for a covered reservoir in a semi-arid climate (south-eastern Spain)’, J Hydrol (Amst), vol. 458–459, pp. 59–67, Aug. 2012, doi: 10.1016/j.jhydrol.2012.06.035. [4]. Assouline S., Narkis K., and Or D., ‘Evaporation suppression from water reservoirs: Efficiency considerations of partial covers’, Water Resour Res, vol. 47, no. 7, 2011, doi: 10.1029/2010WR009889. [5]. Moghiman M. and Aslani B., ‘Influence of nanoparticles on reducing and enhancing evaporation mass transfer and its efficiency’, Int J Heat Mass Transf, vol. 61, no. 1, pp. 114–118, Jun. 2013, doi: 10.1016/j.ijheatmasstransfer.2013.01.057. [6]. Ahmadian MM. Reduce evaporation of water resources using nanomaterials. Sea Regional Conference, Development and Water Resources of the Persian Gulf. 2014; https://sid.ir/paper/842555/en (in persian) [7]. Omolbani M. R. P., Zarindast N., Mir N., and Dehghani A. A., ‘Using fe magnetic nanoparticles for reducing evaporation from water surface in small scale’, Desalination Water Treat, vol. 71, pp. 380–387, Apr. 2017, doi: 10.5004/dwt.2017.20178. [8]. Nejatian AA, Iraji Zad A, Tajrishi M, Dolabi M. Investigating the Impact of Nanometric Coatings on the Evaporation of Lake Chitgar. 6th Regional Climate Change Conference, Tehran. 2019; https://civilica.com/doc /1002676 ( in persian) [9]. Ghahramani Jajin R., Feizi A., and Ghorbanpour M., ‘Reduction of Water Evaporation from Dam Reservoirs Using Hydrophobic Silver‐Doped Titanium Dioxide Nanoparticles Coating’, Water Resour Res, vol. 57, no. 5, p. e2020WR029231, May 2021, doi: 10.1029/2020wr029231. [10]. J. Shiri, W. Dierickx, A. Pour-Ali Baba, S. Neamati, and M. A. Ghorbani, “Estimating daily pan evaporation from climatic data of the State of Illinois, USA using adaptive neuro-fuzzy inference system (ANFIS) and artificial neural network (ANN),” Hydrology Research, vol. 42, no. 6, pp. 491–502, 2011, doi: 10.2166/nh.2011.020. [11]. Allawi M. F. and El-Shafie A., “Utilizing RBF-NN and ANFIS Methods for Multi-Lead ahead Prediction Model of Evaporation from Reservoir,” Water Resources Management, vol. 30, no. 13, pp. 4773–4788, Oct. 2016, doi: 10.1007/s11269-016-1452-1. [12]. Demirci M., Unes F., Kaya Y. Z., Tasar B., and Varcin H., “MODELING OF DAM RESERVOIR VOLUME USING ADAPTIVE NEURO FUZZY METHOD.” [Online]. Available: https://waterdata.usgs.gov/nwis/dv/?referred_module=qw [13]. Malik A.et al., “Daily pan-evaporation estimation in different agro-climatic zones using novel hybrid support vector regression optimized by Salp swarm algorithm in conjunction with gamma test,” Engineering Applications of Computational Fluid Mechanics, vol. 15, no. 1, pp. 1075–1094, 2021, doi: 10.1080/19942060.2021.1942990. [14]. Ghumman A. R. et al., ‘Simulation of pan-evaporation using penman and hamon equations and artificial intelligence techniques’, Water (Switzerland), vol. 13, no. 6, Mar. 2021, doi: 10.3390/w13060793. [15]. Shahi S., Mousavi S. F., and Hosseini K., ‘Simulation of pan evaporation rate by ANN artificial intelligence model in Damghan region’, Journal of Soft Computing in Civil Engineering, vol. 5, no. 3, pp. 75–87, 2021, doi: 10.22115/SCCE.2021.286933.1321. [16]. Ashraf Vaghefi S., Mousavi S. J., Abbaspour K. C., Srinivasan R., and Yang H., ‘Analyses of the impact of climate change on water resources components, drought and wheat yield in semiarid regions: Karkheh River Basin in Iran’, Hydrol Process, vol. 28, no. 4, 2014, doi: 10.1002/hyp.9747. [17]. Deepika S., Osman M., Kumar M., anoranjan & Sandeep H., ‘Suppressing Evaporation from Surface Water Reservoirs: A Review’. Journal of Agricultural Engineering. (2021). 57. 259-273. ‘(PDF) Suppressing Evaporation from Surface Water Reservoirs: A Review’. https://www.researchgate.net/publication/350431860_Suppressing_Evaporation_from_Surface_Water_Reservoirs_A_Review (accessed Jun. 13, 2021). [18] Bashir S, Seifullah SAD, Rostamian SH. Investigating the Effect of Silica Nano Fluids on Reducing Water Evaporation. Third National Conference on Applied Mechanical Engineering. ; https://civilica.com/doc/1158052/certificate/print/ (in persian) [19] Jang J.-S. R., ‘ANFIS: adaptive-network-based fuzzy inference system’, IEEE Trans Syst Man Cybern, vol. 23, no. 3, pp. 665–685, 1993, doi: 10.1109/21.256541. [20] Abd-Elhamid H. F., Ahmed A., Zelenakova M., Vranayova Z., and Fathy I., ‘Reservoir management by reducing evaporation using floating photovoltaic system: A case study of lake Nasser, Egypt’, Water (Switzerland), vol. 13, no. 6, p. 769, Mar. 2021, doi: 10.3390/w13060769. | ||
|
آمار تعداد مشاهده مقاله: 148 تعداد دریافت فایل اصل مقاله: 178 |
||