توسعه مدلی مبتنی بر روشهای هوشمند یادگیری ماشین به منظور شناسایی بهنگام مکان های مستعد وقوع سیلاب با استفاده از داده های سنجش از دوری

پدیده سیلاب یکی از بزرگترین مخاطرات طبیعی است که سالانهسبب ایجاد خسارات جانی و مالی زیادی می شود. لذا شناسایی مناطقمستعد وقوع سیلاب از اقدامات ضروری در مدیریت بحران سیلابمحسوب میشود. در راستای مدلسازی مکانی سیلاب عموما از داده -های ایستگاه زمینی و داده های سنجش از دوری استفاده میشود. دراین پژوهش هدف استفاده از داده های زمینی و سنجش برای انجاممدلسازی سیلاب، ضمن بررسی امکان استفاده از فقط داده هایسنجش از دوری در دسترس و رایگان به منظور انجام مدلسازیبهنگام مکان های مستعد وقوع سیلاب است . همچنین برای انجاممدلسازی ها با قابلیت اعتماد پذیری بالا به توسعه یکی از محدودیت -های مدل جنگل تصادفی با استفاده از الگوریتم بهنیه سازی ازدحامذرات (PSO) پرداخته شده است. مدلسازی ها با روش پیشنهادی در مناطق مطالعاتی اتاووا-گاتینوا و گنبدکاووس انجام شده است کهنتایج نشان داد اگر چه انجام مدلسازی ها با داده های زمینی و سنجشاز دوری نسبت به مدلسازی با داده های فقط سنجش از دور ی دقتبالاتری داشته است. اما مدلسازی با داده های سنجش از دوری رایگانو در دسترس نیز عملکرد قابل قبولی داشته است و می توان با استفادهاز داده های سنجش از دوری نقشه های بهنگام برای مدیریت بحرانسیلاب تولید نمود.

کلیدواژه ها:

داده های زمینی ، داده های سنجش از راه دور ، جنگل تصادفی ، الگوریتم PSO ، مدیریت بحران سیلاب