کاربرد مدل های شبکه عصبی مصنوعی، نسبت فراوانی و تابع شواهد قطعی در تهیه نقشه حساسیت به وقوع سیل در حوزه آبخیز هراز: الگویی برای مطالعات مخاطرات سیلاب شهری
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 34
فایل این مقاله در 22 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:
JR_JUPM-12-45_012
تاریخ نمایه سازی: 25 بهمن 1402
چکیده مقاله:
در این تحقیق برای تهیه نقشه حساسیت به وقوع سیل در حوزه آبخیز هراز در استان مازندران از روشهای شبکه عصبی مصنوعی (ANN)، نسبت فراوانی (FR) و تابع شواهد قطعی (EBF) استفاده شده است و برای دستیابی به هدف پژوهش از ده پارامتر موثر در وقوع سیلاب از قبیل شیب، انحنای زمین، فاصله از رودخانه، طبقات ارتفاعی، بارش، شاخص توان رودخانه (SPI)، شاخص رطوبت توپوگرافی (TWI)، لیتولوژی، کاربری اراضی و شاخص تفرق پوشش گیاهی (NDVI) استفاده گردید. همچنین، موقعیت جغرافیایی ۲۱۱ نقطه سیلگیر در منطقه تهیه شده و نقاط به صورت تصادفی به گروههایی متشکل از ۱۵۱ نقطه (۷۰%) و ۶۰ نقطه (۳۰%) بهترتیب برای واسنجی و اعتبارسنجی تقسیم شدهاند. سپس احتمال رخداد سیل برای هر کلاس از هر پارامتر محاسبه گردید. وزنهای محاسبه شده برای هر کلاس در سیستم اطلاعات جغرافیایی در لایههای مربوطه اعمالگردیده و نقشههای حساسیت به وقوع سیل منطقه مورد مطالعه بهدست آمد. براساس نقشه پتانسیل سیلخیزی، منطقه به ۵ کلاس با حساسیت خیلی زیاد، زیاد، متوسط، کم و خیلی کم تقسیم گردید. روشهای مذکور توسط روش منحنی مشخصه عملکرد سیستم (AUC) ارزیابی شدند. نتایج حاکی از آن است که طبقات ارتفاعی پایین و نزدیک رودخانه دارای احتمال و حساسیت بالایی نسبت به وقوع سیل میباشند. همچنین نتایج نشان داد که تکنیک نسبت فراوانی (AUC=۰.۹۷)، تابع شواهد قطعی (AUC=۰.۹۴) و شبکه عصبی مصنوعی (AUC=۰.۸۷) بهترتیب اولویت، دارای بیشترین دقت در پیشبینی وقوع سیل بودهاند. از اینرو مدلهای مذکور به منظور پیشبینی پتانسیل خطر سیل بهویژه در نواحی مختلف از جمله فضاهای شهری به دلیل کارایی بالا، میتواند مفید و قابل اعتماد باشند.
کلیدواژه ها:
نویسندگان
هیمن شهابی
گروه ژئومورفولوژی، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران
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 :