پیش بینی جریان های سیلابی بر اساس راهکار ترکیبی داده های گوگل ارث انجین و مدل های هوش مصنوعی

سیل یکی از حوادث ناگوار در طبیعت است که در صورت عدم پیشبینی بهموقع میتواند باعث خسارت مالی و جانی شدیدی شود. لذا برآورد دبی اوج سیلابی از مهمترین مسائلی است که امروزه، در مطالعات هیدرولوژیکی دارای اهمیت ویژهای است. با این وجود هنوز تحقیقات برای استفاده از ابزارهای سنجش از دور برای پیشبینی، کنترل و مدیریت سیل در اکثر حوزههای آبخیز کشور کم تر مورد توجه واقع شده است. هدف پژوهش حاضر، تعیین عوامل موثر بر دبی جریان سیلابی حوزه آبخیز سرباز و پیش بینی جریان سیلابی رودخانه سرباز با استفاده از روش های هوش مصنوعی شامل مدل شبکه عصبی مصنوعی (ANN) است. در این تحقیق داده های بارندگی، رطوبت و دمای خاک، تبخیر و تعرق، جریان آب پایه، شاخص تقویت شده پوشش گیاهی (EVI) در سامانه گوگل ارث انجین و دادههای مشاهدهای دبی رخدادهای سیل در حوضه منطقه موردمطالعه در دوره زمانی ۱۴۰۱-۱۳۸۰ بهکار گرفته شد. بهدنبال آن عوامل موثر بر دبی سیلابی بهروش تحلیل مولفه اساسی تعیین و در مرحله بعد برای اجرای مدلهای شبکه عصبی مصنوعی این عوامل به وسیله رگرسیون خطی بیزین الگوبندی شد و در مرحله آخر مدلسازی شبکه عصبی مصنوعی بهمنظور پیشبینی جریان سیلابی انجام گرفت. نتایج نشان داد که عوامل مجموع بارش روز جاری و روزماقبل، رطوبت خاک در عمق ۰ تا ۱۰ سانتیمتری روزماقبل و دمای خاک در روز قبل، بهعنوان مناسبترین الگوی ورودی برای مدلسازی انتخاب شدند. نتایج نشان داد که شبکه عصبی مصنوعی طراحی شده با ضریب کارایی ۹۰/۰ و ضریب تعیین ۸۹/۰ و ریشه میانگین مربعات خطا ۳۷/۵۰ برای مرحله آموزش و ضریب کارایی نش-ساتکلیف ۷۶/۰ و ضریب تعیین ۸۳/۰ و ریشه میانگین مربعات خطا ۴۶/۸۶ برای مرحله اعتبارسنجی، توانایی خوبی در برآورد دبی اوج سیلابی دارد. نتایج نشان داد که مدل واسنجی شده به منظور پیش بینی دبی جریان سیلابی با استفاده از دادههای سنجش از دور کاربردی بوده و دقت قابل قبولی دارد و میتواند ابزاری کارآمد در یاری رساندن به مدیران برای پیشبینی بهموقع سیلاب و کاهش خسارات ناشی از آن باشد.

کلیدواژه ها:

Principal component analysis ، Sarzab watershed ، Bayesian linear regression ، artificial neural network ، تحلیل مولفه اساسی ، حوزه آبخیز سرباز ، رگرسیون خطی بیزین ، شبکه عصبی مصنوعی