پهنه بندی ریسک سیالب با استفاده از روشهای یادگیری ماشین
- سال انتشار: 1403
- محل انتشار: چهاردهمین کنفرانس بین المللی پژوهشهای نوین در عمران، معماری، مدیریت شهری و محیط زیست
- کد COI اختصاصی: ENGIN14_093
- زبان مقاله: فارسی
- تعداد مشاهده: 140
نویسندگان
دانشجو کارشناسی ارشد مهندسی محیط زیست دانشگاه خواجه نصیرالدین طوسی
دانشیار گروه مهندسی محیط زیست دانشگاه خواجه نصیرالدین طوسی
چکیده
تغییرات اقلیمی در سالهای اخیر تاثیرات قابل توجهی بر الگوهای جوی و وقوع سیالب های شدید داشته است. این سیالب ها به عنوان یکی از خطرات اصلی در حوزه هیدرولوژی و هواشناسی، می توانند عواقب منفی و پیش بینی ناپذیری برای زندگی بشر ایجاد کنند. این مقاله به بررسی مدیریت ریسک سیالب و روش های پهنه بندی آن با استفاده از یادگیری ماشین و ابزارهای پردازش جغرافیایی می پردازد. مدل های یادگیری ماشین به دلیل قابلیت هایشان در شناسایی الگوها و ارائه پی شبینی های دقیق، به طور فزاینده ای در پیش بینی سیالب ها به کار می روند. همچنین، ترکیب سیستم های اطلاعات جغرافیایی (GIS) با این مدل ها امکان ایجاد نقشه های خطر و آسیب پذیری سیالب را فراهم می آورد. این نقشه ها به شناسایی مناطق مستعد سیالب و ارزیابی ریسک کمک می کنند و می توانند به کاهش خسارات ناشی از این پدیده طبیعی منجر شوند. در این مقاله، به بررسی مفاهیم ریسک و آسیب پذیری سیالب و روش های مختلف ارزیابی آن ها پرداخته شده است. همچنین، بر اهمیت انتخاب دقیق عوامل موثر بر سیالب و استفاده از داده های تاریخی و محیطی برای بهبود دقت پیش بینی ها تاکید شده است. نتایج این تحقیق می تواند به افزایش آمادگی و کاهش آسیب های ناشی از سیالب ها کمک کند و ابزارهای موثری برای سیاستگذاری و مدیریت ریسک سیالب ارائه دهد.کلیدواژه ها
پهنهبندی ریسک سیالب, پهنهبندی خطر سیالب, پیشبینی سیالب, یادگیری ماشینمقالات مرتبط جدید
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.