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

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 128

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCEGIT27_031

تاریخ نمایه سازی: 21 مرداد 1402

چکیده مقاله:

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:

نویسندگان

مائده مصلی طبری

دانشجوی کارشناسی ارشد، دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه خواجه نصیر الدین طوسی

حمید عبادی

استاد، دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه خواجه نصیر الدین طوسی

زهرا علیزاده زکریا

دانشجوی دکتری، دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه خواجه نصیر الدین طوسی