CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

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)

عنوان مقاله: 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)
شناسه ملی مقاله: JR_GIS-8-4_006
منتشر شده در در سال 1395
مشخصات نویسندگان مقاله:

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

خلاصه مقاله:
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.

کلمات کلیدی:
پیش بینی-دبی ورودی- حجم رسوب-GIS, MLP - SWAT

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1306126/