Kamran Nobakht Vakili

Groundwater, as one of the most critical sources of freshwater, plays a vital role in meeting domestic, agricultural, and other human needs, particularly in arid and semi-arid regions where its sustainable management is of paramount importance. This study was conducted to identify areas suitable for artificial groundwater recharge and to predict groundwater levels in the Qorveh-Dehgolan aquifer using artificial intelligence techniques. In the first phase of the study, deep learning models, including Artificial Neural Networks (ANN), Convolutional Neural Networks (CNN), Gated Recurrent Units (GRU), and a hybrid CNN-GRU model, were employed to delineate suitable area for groundwater recharge. Two datasets were utilized: a 10-parameter dataset comprising elevation, precipitation, soil type, drainage density, land use, Topographic Wetness Index (TWI), flow direction, Stream Power Index (SPI), slope, and curvature; and a 13-parameter dataset that additionally included minimum temperature, maximum temperature, and temperature variance to assess the impact of climate-related parameters on identifying recharge zones. The influence of these parameters was evaluated using Mutual Information and Random Forest methods, and model performance was assessed through metrics such as Accuracy, Root Mean Square Error, Kappa Score, F1 Score, Confusion Matrix, and Receiver Operating Characteristic (ROC) curve. The results indicated that the CNN-GRU model achieved the highest performance with an accuracy of 0.9461 using the 13-parameter dataset, confirming the significant role of climatic parameters. In the second phase, groundwater level predictions were performed using the LSTM, deep learning model based on data from 48 observation groundwater wells (1988–2022). Following validation over 3 and 6 year prediction periods, future predictions were made for the periods 2022–2025 and 2022–2028, demonstrating high model accuracy. This study underscores the efficacy of artificial intelligence as a robust tool for sustainable groundwater management.

رفتار غیرخای ساح مشترک خاک-فونداسیون ناشی از بتیج ظرفیت نهایی و اتلاف انرژی حین رویدادی لرزهای ممکن است سبب کانش نیازنای نیرو و شکلپذیری سازه شود. اندرکنش خاک-سازه ممکن است پاسخ یک سازه را از چندین راه تحت تأثیر قرار دند. قابنای مهاربندی واگرا یک سیتتم سازهای منحصر به فرد میباشند که به منظور ترکیب مقاومت و سختی قابنای مهاربندی با مشخصات اتلاف انرژی غیرالاستیک قابنای خمشی طراحی گردیده شدهاند. تیر پیوند نمانند یک فیوز عمل کرده و از انتقال نیرونای با مقدار بیشتر به مهاربندنا جلوگیری میکند و قبل از کمانش اعضای فشاری، در اثر خمش یا برش جاری میشود. در این تحقیق تعداد 48 سازه مهاربند مهاربند واگرا مورد بررسی قرار گرفتند. متغیرنای این تحقیق شامل شرایط تکیهگانی صلب (FB) و انعاافپذیر (SSI) ، طول تیر پیوند ) 25 و 100 سانتی متر(، تعداد دنانهنا )دو و سه دنانه( و تعداد طبقات ) 3 ، 5 ، 8 ، 10 ، 13 و 15 طبقه( میباشد. سازهنا براساس استاندارد 2800 و مباحث 10 و 6 طراحی گردیده و سپس ماابق دستورالعمل نشریه 360 تحت تحلیل بارافزون قرار گرفتند. نتایج کار نشان داد که SSI سبب افزایش دوره تناوب میشود که این افزایش با افزایش ارتفاع سازه زیادتر میشود. نمچنین ملاحظه گردید که فرمول پیشنهادی استاندارد 2800 مناسب قابنای مهاربندی واگرا با عملکرد خمشی تیر پیوند است. روابای نم برای تخمین دوره تناوب قابنای مهاربندی واگرا با تیر پیوند برشی و خمشی در نر دو حالت FB و SSI ارئه گردید. در نظر گرفتن SSI تأثیر آنچنانی روی مقاومت تتلیم نداشته اما به مقدار زیادی سختی سازه را کانش میدند. مقاومت نهایی با در نظر گرفتن SSI در سازهنای کوتاه مرتبه و بلندمرتبه به ترتیب افزایش و کانش مییابد. نمچنین ملاحظه میشود که SSI سبب بهبود عملکرد لرزهای قابنای مهاربندی واگرا در سازهای بلندمرتبه میشود به طوری که تعداد تیر پیوندنایی که حدود LS و CP را رَد کردهاند با در نظر گرفتن SSI کانش مییابند.

خصوصیات هیدرودینامیک اشباع از چاش برانگیزترین خصوصیات خاک می باشند. در این میان هدایت هیدرولیکی اشباع و تخلخل موثر خاک از جمله مهمترین خصوصیات هیدرودینامیکی اشباع خاک جهت طراحی زهکش ها محسوب می گردند. همچنین این ویژگی ها، پارامترهای ورودی به بسیاری از شبیه سازی هیدرولوژی، آلودگی، انتقال املاح و سایر مدل های مرتبط با علوم آب و خاک به شمار می آیند. لذا با توجه به اهمیت موضوع و ضعف روش های موجود در تخمین مقدار متوسط واقعی هدایت هیدرولیکی و تخلخل موثر خاک، هدف از این تحقیق ارائه روشی جهت برآورد مقادیر متوسط پارامترهای مذکور با استفاده از روش مسئله معکوس هوشمند می باشد. در این تحقیق از مدل های تحلیلی زهکشی گلور-دام، کومار و همکاران، سینگ و همکاران، آپادهایا و همکاران و تاپ و مودی جهت شبیه سازی نوسانات سطح ایستابی در اطراف زهکش استفاده گردید. همچنین جهت یافتن مقادیر بهینه هدایت هیدرولیکی اشباع و تخلخل موثر از برنامه الگوریتم ژنتیک استفاده گردید. به منظور واسنجی مدل های معکوس پیشنهادی یک مدل فیزیکی زهکشی در آزمایشگاه طراحی و ساخته شد. از داده های محققین دیگر نیز برای واسنجی استفاده گردید. مدلهای معکوس هوشمند در دو حالت با فرض ثابت و متغیربودن تخلخل موثر واسنجی شدند. نتایج حاصل از این تحقیق موید این مطلب است که روش مسئله معکوس هوشمند از کارایی و قابلیت بالایی جهت برآورد هدایت هیدرولیکی خاک و تخلخل موثر برخوردار می باشد. نتایج آنالیز حساسیت صورت گرفته در هر دو حالت تخلخل موثر ثابت و متغبر نشان می دهد که تاثیر پارامتر هدایت هیدرولیکی اشباع خاک از بقیه پارامترها بیشتر می باشد.