پیش بینی سیلاب در حوضه آبریز اهر چای با استفاده از شبکه عصبی مصنوعی SCS و GIS(ANN)

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,432

فایل این مقاله در 14 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:

ESUD02_515

تاریخ نمایه سازی: 22 آبان 1395

چکیده مقاله:

سیل همه ساله موجب تخریب ساختار اجتماعی و ساختار مالی، جانی فراوان می گردد. در ایران به دلیل وسعت زیاد، اقلیم متعدد، تراکم زمانی و مکانی بارشها، در اکثر حوضه های ابریز، همه ساله مشهد، سیلابهای عظیمی در بیشترین مناطق کشور می باشیم و از ویژگی های اصلی حوضه آبریز پستی بلندی و نفوذپذیری می باشد این دو ویژگی های از عوامل موثر بر ایجاد رواناب و سیل می باشد نمایه های پستی و بلندی حوضه شامل سطح، شیب، الگوی رودخانه ای و نمایه نفوذپذیری شامل توان جذب آب به داخل خاک و ذخیره رطوبت در ان است منطقه مورد مطالعه به دلیل داشتن اقلیمی نیمه خشک و کوهستانی در نتیجه تغیرپذیی بالای بارش، از جمله مناطقی است که در معرض سیلابهای مخرب قرا ردارد از آنجایی که عوامل مختلفی اقلیمی از جمله: مساحت حوضه، نوع خاک و پوشش گیاهی در کنترل روانابها موثراند، با بررسی همزمان نقش همه عوامل کنترل کننده در وضه آبریز و تلفیق منطقی آنها در محیط GIS امکان برآورد مقادیر رواناب فعلی و حتی پیش بینی سناریو های آتی به صورت علمی میسر گشته است در مطالعه حاضر براساس روش سازمان حفاظت خاک امریکا SCS، برای تعیین ارتفا ع رواناب از نقشه های شماره منحنی CN و نقشه خطوط همباران استفاده گردیده . سپس با مدل سازی و نوشتن فرمولهای مرتبط در محیط نرم افزار GIS نقشه پهنه بندی ارتفاع رواناب و سیلخیزی منطقی تهیه گردید هدف از این پژوهش پیش بینی سلاب رودخانه اهر چای با استفاده از روشهای ک شبکه عصبی مصنوعی ANN، حفاظت خاک آمریکا SCS و GIS می باشد. برای این منظور از داده های سالانه اقلیمی و هیدرلوزیکی دو ایستگاه اهرچ ای و حاجیلار استفاده شد با بررسی همبستگی بین این داده ها و دبی رودخانه اهرچای پارامترهای موثر بر سیلاب تعیین شد. پس از نرمال کردن داده ها، مدلهای مختلف ایجاد شد و نتایج در محیط نرم افزار GIS پیاده سازی شد بررسی نتایج نشان داد که شبکه منتخب MLP با هم بستگی 0/98 در مرحله اموزش و 0/0979 در مرحله آزمایش و خطای کمتر نسبت به سایر شبکه ا به عنوان بهترین مدل در بین انواع شبکه ی عصبی شناخته شد.

کلیدواژه ها:

سیل ، پیش بینی ، GIS SCS شبکه عصبی مصنوعی ANN ، حوضه آبریز اهر چای CN

نویسندگان

منیر شیرزادی

دانشجوی کارشناسی سنجش از دور دانشگاه تبریز

نازیلا هاشم زاده اینی سفلی

دانشجوی کارشناسی ارشد سنجش از دور دانشگاه تبریز

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 :
  • حیات غیبی (1380)، پیش بینی سیلاب در رود خانه مرگ ...
  • خوجینی(1377)، بررسی شماره منحنی (CN)روش SCS در برآورد عمق رواناب ...
  • خیری زاده اورق و همکاران(1391)، پهنه بندی پتانسیل خطر وقوع ...
  • راهنما، م .ب وج .موسوی(1382)، پیش بینی سیلاب حوضه آبریز ...
  • رضایی و همکاران(1386)، مدلسازی منطقه ای دبی های اوج در ...
  • ستاری و همکاران(1392)، پیش بینی مقدار بارش با استفاده از ...
  • عبدی (1385)، بررسی پتانسیل سیل خیزی حوزه زنجان رود با ...
  • پیش بینی بارش با استفاده از مدل رگرسیون درختی به منظور کنترل سیل [مقاله کنفرانسی]
  • قنواتی _ همکاران(1384)، تحلیل توان سیل خیزی با تاکید بر ...
  • محمدی و همکاران(1385)، براورد میزان رواناب با استفاده از روش ...
  • مظاهری و همکاران(1385)، ارزیابی روشهای تهیه هیدروگراف واحد مصنوعی در ...
  • هنربخش و همکاران(1392)، تحلیل منطقه ای سیلاب با استفاده از ... [مقاله کنفرانسی]
  • Alfredo happiness et al (2009)، Artificial neural network approach to ...
  • Campolo، M.A، solbati and P، A ndreussi (2009)، Artificial Neural ...
  • Kia Bakhtiar et al (2011)، Artificial neural network modl to ...
  • Kant et al (2013)، Comparison of multiobjective evolutionary neural network, ...
  • Sulafa Hag Elsafi (2014)، Artificial Neural Ne-tworks (ANN) for flood ...
  • نمایش کامل مراجع