پاییز و زمستان 1400
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
دانشگاه تهران
چکیده: (457 مشاهده)
امروزه پدیده سیل یکی از پیچیده ترین رخداد های مخاطره آمیز است که بیش از سایر بلایای طبیعی دیگر، همه ساله در نقاط مختلف دنیا منجر به ایجاد خسارت های جانی و مالی و تخریب اراضی کشاورزی می شود. به دلیل سیل خیز بودن حوضه آبریز زولاچای، شهرستان سلماس بررسی و شبیه سازی خطر وقوع سیل در این منطقه ضروری به نظر می رسد. لذا در این پژوهش از تلفیق شبکه عصبی مصنوعی پرسپترون (MLP) و جی آی اس استفاده شده است. ابتدا پارامتر های تاثیر گذار در شبیه سازی مناطق سیلابی نظیر: لایه شیب، ارتفاع، جهت جریان ، خاک و کاربری اراضی مورد بررسی قرار گرفته و این لایه های اطلاعاتی وارد نرم افزار جی آی اس شدند. لایه های اطلاعاتی مورد نظر با دستور Fishnet مورد پردازش قرار گرفتند. و هر کدام از لایه ها به point تبدیل شدند. و این داده به همراه داده های تعلیمی که از گوگل ارث دریافت شده بود به شبکه عصبی پرسپترون معرفی شد. در شبکه عصبی پرسپترون لایه های ورودی شامل ۵ نورون و ۱۶ گره وارد مدل شدند و نتایج نشان داد، ارتفاع دارای کم ترین وزن (R2 = 0.713 ) و بیشترین وزن مربوط به جهت جریان (R2 = 0.913 ) در شبیه سازی سیلاب حوضه آبریز زولاچای، شهرستان سلماس می باشد. می توان بیان کرد تلفیق جی آی اس و شبکه عصبی مصنوعی می تواند برای مدل سازی و شبیه سازی سیلاب در محیط های مکانی مختلف برای جلوگیری و کاهش خطرات محیطی بسیار مفید واقع شود.
نوع مطالعه: پژوهشي |
موضوع مقاله:
سنجش از دور و سامانه های اطلاعات جغرافيايی
دریافت: 1399/10/4 | ویرایش نهایی: 1400/6/21 | پذیرش: 1400/2/1 | انتشار: 1400/6/10
دریافت: 1399/10/4 | ویرایش نهایی: 1400/6/21 | پذیرش: 1400/2/1 | انتشار: 1400/6/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
