دوره 12، شماره 24 - ( پاییز و زمستان 1400 1400 )
جلد 12 شماره 24 صفحات 108-97 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
isazade V, aliegigy Z. Simulation of Flood Prone Areas using Perceptron Neural Network and GIS (Study Area: Zolachai watershed, Salmas City). jwmr. 2021; 12 (24) :97-108
URL: http://jwmr.sanru.ac.ir/article-1-1125-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-1125-fa.html
عیسی زاده وحید، علی بیگی زهرا. شبیه‌سازی مناطق مستعد سیلاب با استفاده از شبکه عصبی پرسپترون و سیستم اطلاعات جغرافیایی (منطقه موردمطالعه: حوزه آبخیز زولاچای، شهرستان سلماس). پژوهشنامه مديريت حوزه آبخيز. 1400; 12 (24) :108-97
دانشگاه تهران
چکیده: (927 مشاهده)
چکیده مبسوط
مقدمه و هدف: امروزه پدیده سیل یکی از پیچیده‌ترین رخدادهای مخاطره‌آمیز است که بیش از سایر بلایای طبیعی دیگر، همه‌ساله در نقاط مختلف دنیا منجر به ایجاد خسارت‌های جانی و مالی و تخریب اراضی کشاورزی می‌شود.
مواد و روش ها: به دلیل سیل‌خیز بودن حوضه آبریز زولاچای، شهرستان سلماس بررسی و شبیه‌سازی خطر وقوع سیل در این منطقه ضروری به نظر می‌رسد. لذا در این پژوهش از تلفیق شبکه عصبی مصنوعی پرسپترون (MLP) و GIS استفاده شده است. ابتدا پارامترهای تاثیرگذار در شبیه‌سازی مناطق سیلابی نظیر: لایه شیب، ارتفاع، جهت جریان، خاک و کاربری اراضی مورد بررسی قرارگرفته و این لایه‌های اطلاعاتی وارد نرم افزار ARCGIS5.3 شدند. لایه‌های اطلاعاتی مورد نظر با دستور Fishnet مورد پردازش قرار گرفتند و هرکدام از لایه‌ها به point تبدیل شدند و این داده به همراه داده‌های تعلیمی که از گوگل ارث دریافت شده بود به شبکه عصبی معرفی شد. در شبکه عصبی پرسپترون لایه‌های ورودی شامل ۵ نورون و ۱۶ گره وارد مدل شدند.
یافته ها: نتایج نشان داد، ارتفاع دارای کم‌ترین وزن (R2=0.713) و بیشترین وزن مربوط به جهت جریان (R2=0.913) در شبیه‌سازی سیلاب حوزه آبخیز زولاچای، شهرستان سلماس می‌باشد.
نتیجه گیری: می‌توان بیان کرد تلفیق GIS و شبکه عصبی مصنوعی می‌تواند برای مدل‌سازی و شبیه‌سازی سیلاب در محیط‌های مکانی مختلف برای جلوگیری و کاهش خطرات محیطی بسیار مفید واقع شود.
مقدمه و هدف: امروزه پدیده سیل یکی از پیچیده‌ترین رخدادهای مخاطره‌آمیز است که بیش از سایر بلایای طبیعی دیگر، همه‌ساله در نقاط مختلف دنیا منجر به ایجاد خسارت‌های جانی و مالی و تخریب اراضی کشاورزی می‌شود.
مواد و روش ها: به دلیل سیل‌خیز بودن حوضه آبریز زولاچای، شهرستان سلماس بررسی و شبیه‌سازی خطر وقوع سیل در این منطقه ضروری به نظر می‌رسد. لذا در این پژوهش از تلفیق شبکه عصبی مصنوعی پرسپترون (MLP) و GIS استفاده شده است. ابتدا پارامترهای تاثیرگذار در شبیه‌سازی مناطق سیلابی نظیر: لایه شیب، ارتفاع، جهت جریان، خاک و کاربری اراضی مورد بررسی قرارگرفته و این لایه‌های اطلاعاتی وارد نرم افزار ARCGIS5.3 شدند. لایه‌های اطلاعاتی مورد نظر با دستور Fishnet مورد پردازش قرار گرفتند و هرکدام از لایه‌ها به point تبدیل شدند و این داده به همراه داده‌های تعلیمی که از گوگل ارث دریافت شده بود به شبکه عصبی معرفی شد. در شبکه عصبی پرسپترون لایه‌های ورودی شامل ۵ نورون و ۱۶ گره وارد مدل شدند.
یافته ها: نتایج نشان داد، ارتفاع دارای کم‌ترین وزن (R2=0.713) و بیشترین وزن مربوط به جهت جریان (R2=0.913) در شبیه‌سازی سیلاب حوزه آبخیز زولاچای، شهرستان سلماس می‌باشد.
نتیجه گیری: می‌توان بیان کرد تلفیق GIS و شبکه عصبی مصنوعی می‌تواند برای مدل‌سازی و شبیه‌سازی سیلاب در محیط‌های 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: 1400/12/3 | پذیرش: 1400/2/1 | انتشار: 1400/6/10
دریافت: 1399/10/4 | ویرایش نهایی: 1400/12/3 | 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. |
