fa شبیه‌سازی مناطق مستعد سیلاب با استفاده از شبکه عصبی پرسپترون و سیستم اطلاعات جغرافیایی (منطقه موردمطالعه: حوزه آبخیز زولاچای، شهرستان سلماس) سنجش از دور و سامانه های اطلاعات جغرافيايی سنجش از دور و سامانه های اطلاعات جغرافيايی پژوهشي Research <div style="text-align: justify;"><strong><span dir="RTL"><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">چکیده مبسوط</span></span></span></strong><br> <strong><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">مقدمه و هدف: </span></span></strong><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">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.</span></span><strong><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;"></span></span></strong><br> <strong><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">مواد و روش&shy; ها: </span></span></strong><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">به&shy; دلیل سیل‌خیز بودن حوضه آبریز زولاچای، شهرستان سلماس بررسی و شبیه‌سازی خطر وقوع سیل در این منطقه ضروری به&shy; نظر می‌رسد. لذا در این پژوهش از تلفیق شبکه عصبی مصنوعی پرسپترون (</span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:8.0pt;">MLP</span></span></span><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">) و </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:8.0pt;">GIS</span></span></span><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;"> 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&shy; افزار </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:8.0pt;">ARCGIS5.3</span></span></span><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;"> شدند. لایه‌های اطلاعاتی مورد نظر با دستور </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:8.0pt;">Fishnet</span></span></span><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;"> مورد پردازش قرار گرفتند و هرکدام از لایه‌ها به </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:8.0pt;">point </span></span></span><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">&nbsp;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. </span></span><br> <strong><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">یافته&shy; ها: </span></span></strong><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">نتایج نشان داد، ارتفاع دارای کم‌ترین وزن (</span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:8.0pt;">R²=0.713</span></span></span><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">) و بیشترین وزن مربوط به جهت جریان (</span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:8.0pt;">R²=0.913</span></span></span><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">) در شبیه‌سازی سیلاب حوزه آبخیز زولاچای، شهرستان سلماس می‌باشد. </span></span><br> <strong><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">نتیجه &shy;گیری: </span></span></strong><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;">می‌توان بیان کرد تلفیق </span></span><span dir="LTR"><span style="font-family:Times New Roman,serif;"><span style="font-size:8.0pt;">GIS</span></span></span><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;"> و شبکه عصبی مصنوعی می‌تواند برای مدل‌سازی و شبیه‌سازی سیلاب در محیط‌های مکانی مختلف برای جلوگیری و کاهش خطرات محیطی بسیار مفید واقع شود.</span></span><br> &nbsp;<br> <strong><span style="font-family:2 Mitra;"><span style="font-size:10.0pt;"></span></span></strong></div> <div style="text-align: justify;"><strong>Extended Abstract</strong><br> <strong>Introduction and Objective:</strong> Today, the flood phenomenon is one of the most complex and dangerous events that, more than other natural disasters, leads to human and financial losses and destruction of agricultural lands in different parts of the world every year<span dir="RTL">.</span><br> <strong>Material and Methods:</strong> Due to the flooding of Zolachai Watershed, Salmas County, it seems necessary to study and simulate the risk of floods in this area. Therefore, in this study, a combination of artificial perceptron neural network (MLP) and GIS has been used. First, the effective parameters in simulating flood areas such as: slope layer, height, flow direction, soil and land use were examined and these information layers were entered into GIS software. The information layers were processed with the Fishnet command. And each layer became a point.This data, along with the educational data received from Google Earth, was introduced to the perceptron neural network.<br> <strong>Results:</strong> In the perceptron neural network, the input layers including 5 neurons and 16 nodes entered the model and the results showed that the height has the lowest weight (R²=0.713) and the highest weight related to the flow direction (R²=0.913) in simulating the Zolachai Watershedflood., Is the city of Salmas.<br> <strong>Conclusion</strong>: It can be said that the combination of GIS and artificial neural network can be very useful for modeling and simulating floods in different spatial environments to prevent and reduce environmental hazards.<br> &nbsp;</div> حوزه آبخیز زولاچای شهرستان سلماس, سیل, شبکه عصبی مصنوعی پرسپترون, Fishnee Flood, Fishnee, Perceptron Artificial Neural Network, Salmas County, Zolachai Watershed 97 108 http://jwmr.sanru.ac.ir/browse.php?a_code=A-11-1741-1&slc_lang=fa&sid=1 vahid isazade وحید عیسی زاده vahidisazade75@gmail.com 100319475328460011287 100319475328460011287 Yes University of Tehran دانشگاه تهران zahra aliegigy زهرا علی بیگی zahra.alibeigy2018@gmail.com 100319475328460011288 100319475328460011288 No University of Tehran دانشگاه تهران