پیش بینی سیلاب در حوضه آبریز اهر چای با استفاده از شبکه عصبی مصنوعی SCS و GIS(ANN)
محل انتشار: دومین کنگره بین المللی علوم زمین و توسعه شهری
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
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
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.
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 :