طراحی مدل ارزیابی و پیش بینی احتمال وقوع حوادث در شبکه فاضلاب شهری با استفاده از GIS و فرایند تحلیل سلسله مراتبی (AHP) ، منطقه مطالعاتی : شاهین شهر
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,238
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
GISLS01_059
تاریخ نمایه سازی: 19 تیر 1394
چکیده مقاله:
یکی از حساس ترین و پرهزینه ترین واحدهای شرکتهای آب و فاضلاب شهری سیستم حوادث و اتفاقات است. وجودیک روند مکانیزه دقیق و قابل اعتماد در سیستم مذکور نقش مهمی در کاهش تعداث حوادث و درنتیجه پیش گیری از وقوعبحرانهای شهری دارد. هدف ، سیستماتیک نمودن ذخیره و استفاثه از اطلاعات شبکه جمع آوری فاضلاب در طراحی یکمدل ارزیابی و پیش بینی حوادث با استفاده از سیستم اطلاعات جغرافیایی (GIS) می باشد. دراین تحقیق با انتخاب منطقه مطالعاتی شاهین شهر به عنوان نمونه موردی کلیه اطلاعات مربوط به حوادث شبکه در یک دوره 18 ماهه جمع آوری شد وبراساس این اطلاعات و نقشه شبکه فاضلاب شاهین شهر و به کمک فرایند تحلیل سلسله مراتبی (AHP) مدلی در محیط GIS طراحی گردید و به عوامل موثر دربروز حوادث وزن دهی انجام گرفت. با طبقه بندی وزنهای نهایی به سه کلاس مختلف مناطق دارای بیشترین احتمال وقوع حوادث و مناطق دارای احتمال کمتر شناسایی شده و برروی نقشه مشخصگردید وبا استفاده از فرایند تحلیل شبکه (Network Analysis) جهت جریان فاضلاب مشخص گردید. مدل مذکوریک مدل تجربی (Empirical) می باشد و برمبنای اطلاعات سابق حوادث و نقشه شبکه فاضلاب طراحی می شود و باوقوع هر حادثه جدید درآینده در منطقه مطالعاتی امکان افزودن اطلاعات حادثه مذکور به مدل میسر می باشد. از طرفی مدلارزیابی و پیش بینی حوادث مدلی جامع است که قابل تعمیم به سایر شهرها و مناطقی است که دارای شبکه فاضلاب بودهوبا معضل حوادث فاضلاب دست به گریبان می باشند.
کلیدواژه ها:
نویسندگان
سیدعلی المدرسی
عضو هیات علمی دانشگاه آزاد اسلامی یزد
فرهاد کتیرایی
دانشجوی کارشناسی ارشد سنجش از دور و GIS دانشگاه آزاد اسلامی یزد
سیدسعید اسلامیان
عضو هیات علمی دانشگاه صنعتی اصفهان
پیام قدیریان
عضو هیات علمی دانشگاه ملبورن استرالیا
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :