پاییز و زمستان 1400                   برگشت به فهرست مقالات | برگشت به فهرست نسخه ها

XML English Abstract Print


دانشگاه تهران
چکیده:   (43 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

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به (پژوهشنامه مدیریت حوزه آبخیز (علمی-پژوهشی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2021 CC BY-NC 4.0 | Journal of Watershed Management Research

Designed & Developed by : Yektaweb