کاربرد یکپارچه الگوریتمهای یادگیری عمیق و سیستمهای اطلاعات جغرافیایی در: پیش بینی و مدیریت هوشمند سیلابهای فصلی مطالعه موردی نوش آباد کاشان

سیلابهای فصلی در مناطق نیمه خشک، ایران مانند نوش آباد در پایین دست، کاشان، تهدیدی جدی برای زیرساخت های شهری، ایمنی عمومی و محیط زیست هستند. این مطالعه یک مدل یکپارچه مبتنی بر الگوریتم های یادگیری عمیق شبکه های LSTM و سیستمهای اطلاعات جغرافیایی (GIS) را برای پیش بینی دقیق دبی سیل و پهنه بندی خطر در حوزه آبخیز رودخانه های فصلی سوک چم و سیلی کاشان ارائه می دهد. با استفاده از داده های هیدرولوژیکی ۳۰ ساله ۱۳۷۴ تا ۱۴۰۴، تصاویر ماهواره ای Sentinel-۲ و مدل هیدرولوژیکی HEC-RAS، مدل پیشنهادی به دقت ۹۴.۶% (R=۰.۹۴۶) در پیش بینی دبی سیل دست یافت که نسبت به مدل سنتی HEC-RAS (P=۰.۷۲۳) برتری قابل توجهی دارد. این مدل با طراحی سامانه هشدار زودرس (EWS) و پروتکل های ایمنی، سلامت و محیط زیست (HSE)، امکان کاهش خسارات زیر ساختی تا ۶۸% و آلودگی های زیست محیطی تا ۷۵% را فراهم کرد. نتایج برای خدمات شهری نوش آباد از جمله لایروبی هدفمند و مدیریت اضطراری، کاربرد عملی دارد و قابلیت تعمیم به سایر شهرهای کوچک ایران را داراست.

کلیدواژه ها:

سیلاب ، فصلی ، یادگیری عمیق ، شبکه LSTM ، مدیریت بحران ، HSE