یکپارچه سازی سیستم اطلاعات مکانی (GIS)، شبکه عصبی پرسپترون چندلایه (MLP) و مدل بارش-رواناب (SWAT) با درنظرگرفتن تغییرات کاربری ها برای پیش بینی دبی ورودی و حجم رسوب (مطالعه موردی: سد ستارخان)

  • سال انتشار: 1395
  • محل انتشار: نشریه سنجش از دور و GIS ایران، دوره: 8، شماره: 4
  • کد COI اختصاصی: JR_GIS-8-4_006
  • زبان مقاله: فارسی
  • تعداد مشاهده: 300
دانلود فایل این مقاله

نویسندگان

ناصر محمدی ورزنه

دانشجوی دکتری سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران

علیرضا وفایی نژاد

استادیار گروه سازه و ژئوتکنیک، دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران

جلال کرمی

استادیار گروه سنجش از دور و GIS، دانشگاه تربیت مدرس، تهران

رضا راستی

استادیار گروه سازه و ژئوتکنیک، دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران

چکیده

هدف از مطالعات رسوب گذاری در یک سد مخزنی یافتن دیدی کلی درمورد میزان حجم ازدست رفته مخزن است. در این میان، بررسی و پیش بینی حجم رسوب واردشده به مخزن اهمیت ویژه ای دارد. در این پژوهش، با استفاده از روش آماری ریزمقیاس کردن، بارش و دما در محدوده حوضه آبریز سد ستارخان با مساحت ۹۵۰ کیلومترمربع، واقع در استان آذربایجان شرقی، در بلند مدت پیش بینی شده اند. با توجه به اطلاعات بارش و دمای پیش بینی شده، به کمک مدل [۱]SWAT، رسوب ورودی به سد شبیه سازی شده است. مقایسه نتایج این مدل و مقادیر مشاهداتی نشان می دهد گرچه مدل SWAT با دقت بالای ۸۰% می تواند روند جریان رسوب ورودی به مخزن را شبیه سازی کند، قادر به شبیه سازی مقادیر واقعی رسوب نیست. برای رفع این اختلاف، باید پارامتر فرسایش نیز، برای رسیدن به نتیجه مطلوب، در محاسبات لحاظ شود. بنابراین ابتدا با کمک مدل شبکه عصبی پرسپترون چندلایه (MLP) بارش مورد نظر پیش بینی شده و سپس نقشه کاربری به منظور تعیین میزان تاثیر کاربری و، به تبع آن، فرسایش در محیط GIS تهیه شده است. ترکیب پارامتر کاربری در محیط GIS و بارش پیش بینی شده می تواند خروجی SWAT را به مقدار واقعی نزدیک تر کند. نتایج حاصل نشان می دهد که با یکپارچه سازی و استفاده از مدل های به کاررفته و قابلیت های GIS می توان نتایج و برآورد میزان حجم رسوب را با دقت بالای ۹۵% محاسبه کرد.

کلیدواژه ها

پیش بینی-دبی ورودی- حجم رسوب-GIS, MLP - SWAT

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.