سیستم و تفکر سیستمی در منابع آب

بطور کلی سیستم مجموعه‌ای از اجزاست که برای رسیدن به یک هدف مشترک با هم همکاری می‌کنند. ویژگی‌های کلی سیستم‌ها و بویژه سیستم‌های منابع آب، به شرح زیر می‌باشد: · تمام سیستم‌ها دارای ساختار و سازماندهی می‌باشند. · سیستم‌ها یک شکل کلی، خلاصه شده و یا ایده‌آلی از دنیای واقعی می‌باشند. · بین اجزای سیستم ارتباطات عملکردی و ساختاری وجود دارد. · رابطه‌ی بین ورودی و خروجی و مشخصات آنها از ویژگیهای مهم هر سیستم می‌باشند. امروزه به دلیل پیچیدگی‌هایی که ما را احاطه کرده است، تفکر سیستمی بیش از پیش مورد نیاز است. ارتباطات عملکردی شامل ارتباطات فیزیکی بین اجزای سیستم و همچنین شامل ارتباطات و اولویت‌های اجتماعی، اقتصادی و سیاسی موجود می‌باشد. مشخصات کلی یک سیستم را می‌توان به صورت زیر دسته‌بندی کرد: 1. ورودی‌ها و خروجی‌ها 2. قوانین فیزیکی حاکم بر سیستم 3. وضعیت و شرایط اولیه‌ی سیستم 4. عوامل محیطی موثر بر سیستم ورودی‌ها و خروجی‌ها مشخصه‌های مهمی از سیستم هستند که معمولا توسط پارامترها یا متغیرها تعریف می‌شوند. یک متغیر خصوصیتی از سیستم است که می‌تواند دارای مقادیر متفاوتی در زمانهای مختلف باشد. تفکر سیستمی دارای شش ویژگی مهم است. برخی از این ویژگیها منحصر به تفکر سیستمی نیست، اما کل این شش ویژگی، رویکرد قدرتمندی را ایجاد می‏کند که قادر به تحلیل و درک مسائل زیست‏محیطی است. این شش ویژگی عبارتند از: 1. تفکر سیستمی با توصیفی کلی آغاز می‏شود و به سوی موارد جزئی حرکت می‏کند. 2. تفکر سیستمی بر فرایندهای دینامیکی تاکید دارد. کارشناس سیستمی رفتار سیستم را حاصل فرایندهای متعددی می‏داند که به طور مستمر در حال تغییر و تحول است. فرایندهای دینامیکی سیستم توسط متفکر سیستمی شناسایی می‏شود. 3. تفکر سیستمی به دنبال حلقه‏ی بسته برای مطالعه‏ی کارکرد سیستم است. کارشناس، سیستم را به گونه‏ای تعریف می‏کند که رفتار آن فقط توسط اجزای داخلی آن تعیین می‏شود(یعنی رفتار سیستم بستگی به عوامل خارج از آن نداشته باشد). رویکرد سیستمی کلیه‏ی عوامل مهم تاثیرگذار بر رفتار سیستم را شناسایی می‏نماید، و از عوامل غیرضروری که سبب پیچیدگی می‏گردد، اجتناب می‏کند. عواملی که واقعا خارج از سیستم قرار دارد، و تاثیری بر عملکرد سیستم ندارد، در بررسی‏ها حذف می‏شود. 4. تفکر سیستمی حلقه‏های بازخورد را شناسایی می‏کند. از دیدگاه سیستمی، پیوند علت و معلولی یکطرفه نیست. بر پایه‏ی این تفکر، تغییر در عامل A، سبب تغییراتی در عاملB (و شاید تغییراتی در عوامل دیگر) خواهد شد، که در نهایت بار دیگر سبب تغییراتی در عامل A گردد. 5. تفکر سیستمی عوامل کنترل کننده، موازنه‏ها و فرایندهای مهارنشدنی بالقوه‏ی سیستم شناسایی می‏کند. سیستمهای بسیاری دارای فرایندهای رقیب و حلقه‏های بازخوردی است که نیل به رقابت دارند(مانند فرایندهای زاد و ولد و مرگ و میر) و سبب می‏شود در نهایت سیستم تحت شرایطی به پایداری برسد. سیستمهای دیگری نیز دارای فرایندهای مهارنشدنی است. رویکرد سیستمی این فرایندهای رقابتی یا مهارنشدنی را شناسایی می‏کند. با درک این فرایندها، چگونگی کارکرد یا تاثیر آنها در سیستم بررسی می‏شود. 6. تفکر سیستمی بر روابط علت و معلولی تاکید دارد. در رویکرد سیستمی، رابطه‏ی علت و معلولی میان اجزای سیستم، باید به طور روان و صریح تعریف شود. فردی که با بهره گیری از رویکرد سیستمی مسائل محیط‏زیست را مطالعه می‏کند، مشاهدات خود را باید بر اساس شرایط و فرایندهایی که به طور مستمر در حال تغییر، و وابسته به یکدیگرند، توصیف نماید. بر پایه‏ی مطالعه‏ی اجزای پویای مرتبط به هم است که رفتار سیستمهای محیط‏زیست درک شود. افزون بر این، رویکرد سیستمی به منشا بازخورد، و شرایطی که سبب پایداری و یا عدم پایداری سیستم می‏شود، توجه ویژه‏ای دارد. منابع: ۱- سمائی، محمد رضا (1383)، "مدلسازی تغذیه‌گرایی با رویکرد پویایی سیستم"، پایان نامه کارشناسی ارشد مهندسی عمران-محیط زیست، دانشگاه علم و صنعت ایران، آذر 1383 ۲-رضوی، مهدی و رسام مشرفی (1382)، ”مدلسازی دینامیکی سیتمهای زیست‏محیطی“، دانشگاه صنعتی شریف، (ترجمه) ۳-Lucas, L. V., J. R. Koseff, J. E. Cloern, S. G. Monismith, and J. K. Thompson(1999), "Processes governing phytoplankton blooms in estuaries. I. The local productionloss balance”, Marine Ecology Progress Series 187:1–15. ۴- Simonovic, S. P. (2000), "Tools for water management, One view of the future”, Water International, 25(1), 76-78

آیا تاکنون نام پویایی سیستم(System Dynamics) را شنیده اید؟

پویایی سیستم یک روش شبیه سازی است که من برای نخستین بار در ایران از آن برای مدلسازی کیفیت آب استفاده کرده ام. البته ژیش از این در مدلسازی کمی منابع آب استفاده شده است. می خواهم در سلسله مقالاتی این روش را به شما معرفی کنم و زمینه های کاربرد آن را در مهندسی محیط زیست توضیح دهم.

روش پویایی‏سیستم به عنوان یک نمونه مدلسازی، تاریخچه‏ی طولانی داشته و منشا آن در کار فورستر در سال 1961می‏باشد. وی جهت درک مبانی استراتژیک در سیستمهای پویای پیچیده این موضوع را ایجاد نمود. از این به بعد از مخفف روش پویایی سیستم یعنی (SD) استفاده می‌کنیم. مدلهای SD با بینش فرآیندهای بازخورد، کاربران سیستم را به فهم بهتری از رفتار دینامیکی سیستمها در طول زمان نائل می‌سازد. محدوده‏های کاربردی SD بسیار وسیع بوده و بویژه بر کاربردهای آن در مسائل اجتماعی و اقتصادی تاکید بسیار می‏شود. در سالهای اخیر تمایل به مدل نمودن سیستمهای کوچک مقیاس اما با جزئیات بسیار، بیشتر شده است (Fletcher 1998). رابطه پیوستگی جرم، یکی از مفاهیم اساسی در SD می‏باشد که با توجه به نقش مهمی که این روابط در بهره‏برداری مخازن ایفا می‏نمایند، مسایل شبیه‏سازی مخازن جهت کاربرد روشهای SD بسیار مناسب می‏باشند.

 این روش شبیه‏سازی ، در مقایسه با روشهای مرسوم شبیه‏سازی بسیار ساده و کارآ می‏باشد. سرعت بالای تهیه‏ی مدل، سادگی اصلاح ساختار مدل، قابلیت انجام تحلیل حساسیت (که از قابلیتهای نسخه‏ی کامل نرم افزار می‏باشد) و نیز ارتباط موثر نتایج حاصل، از توانایی‏های اساسی مدل شبیه‏سازی مخزن به روش پویایی‏سیستم می‏باشند. به دلیل سادگی ساختار و اصلاحات مدل، ابزارهای محیطی شبیه‏سازی SD، مدلسازی را سریعتر نموده و از سعی و تلاش برنامه‏ریز به مقدار زیادی کاسته شده و زمان بیشتری را صرف مفهومی نمودن سیستم و جمع‏آوری داده‏ها می‌نماید. همچنین با توجه به ایجاد کل ساختار مدل در یک صفحه و مشاهده‏ی گرافیکی ارتباطات متغیرها و پارامترها با یکدیگر، کاربر به راحتی قادر خواهد بود مسائل متنوعی را با انجام تغییرات ساده‏ای در مدل شبیه‏سازی نموده و خروجیهای مورد نظر خود را از مدل دریافت نماید.

برای مطالعه بیشتر به کتاب زیر مراجعه کنید:

رضوی، مهدی و رسام مشرفی (1382)، ”مدلسازی دینامیکی سیتمهای زیست‏محیطی“، دانشگاه صنعتی شریف

Fluid Dynamics with Erosion

Motivation

I really wanted to do something with fluid dynamics for my final project. I wanted to be able to pour a pitcher of water on a bank of packed sand and watch the formation of eroded channels and alluvial fans where sand is deposited. This is an interesting problem because the fluid flow affects its boundaries through erosion and deposition, which in turn affect the fluid flow. To my knowledge there had been no work in computer graphics on small-scale erosion phenomena of this nature. There has been work done on erosion of valleys and river beds over large time scales. Most of these approaches use empirical models for sediment transport and fluid flow. In order to get visually interesting results I wanted to solve for fluid flow with the Navier-Stokes equations for incompressible fluids and combine that with a physically-based sediment transport model.

There has been much work done in simulating sediment transport for engineering applications. Numerical simulation is often performed before building dams, weirs, bridges and other structures  to predict and avoid possible sedimentation and scouring around the structures. The focus of the models used for these simulation is physical accuracy rather than visual effect. These models form the basis for the model I used in this project.

براي مشاهده كامل اين مقاله به اينجا برويد...

 

create erosion-prediction models

An abstract mathematical concept might eventually help create erosion-prediction models.

By John M. Fuhrmann

In 1967, legendary mathematician Benoit Mandelbrot posed a subtly deviant question: How long is the coastline of Great Britain? I would have been the first one to pull out an atlas and a piece of string, measure around the outline of the country, and give the simplest possible answer. But what if this did not satisfy Mandelbrot's inquiry? Well, I could then perhaps declare a spontaneous leisure tour of the countryside and ride around the coastline on my bicycle to measure the distance. This would generate an interesting result, for my new distance would far exceed my string-and-atlas measurement. Mandelbrot is not known for taking the easy way out; what if he still demanded a more rigorous answer? With the madness of mathematics in my heart, I could travel around the coastline with a yard (or meter) stick carefully measuring each beach and every crag in the dangerously rocky coastlines. Again, I would obtain an even longer measurement for the perimeter. Perhaps I could even measure the coastline one centimeter at a time or break out my trusty electron microscope and measure the distance around each cell and particle on the coastline! This would give an astronomical distance measurement. Is there any end to this absurdity? No–the coastline of Great Britain is a fractal.

براي مشاهده كامل اين مقاله به اينجا برويد...