استاد، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و محیط‌زیست، دانشگاه فردوسی مشهد، مشهد، ایران، dastorani@um.ac.ir
چکیده: (751 مشاهده)
سیل یکی از حوادث ناگوار در طبیعت است که در صورت عدم پیش‌بینی بهموقع میتواند باعث خسارت مالی و جانی شدیدی شود. لذا برآورد دبی اوج سیلابی از مهمترین مسائلی است که امروزه، در مطالعات هیدرولوژیکی دارای اهمیت ویژهای است. با این وجود هنوز تحقیقات برای استفاده از ابزارهای سنجش از دور برای پیش‌بینی، کنترل و مدیریت سیل در اکثر حوزههای آبخیز کشور کم‌تر مورد توجه واقع شده است. هدف پژوهش حاضر، تعیین عوامل موثر بر دبی جریان سیلابی حوزه آبخیز سرباز و پیش‌بینی جریان سیلابی رودخانه سرباز با استفاده از روش‌های هوش مصنوعیشامل مدل شبکه عصبی مصنوعی (ANN) است. در این تحقیق داده های بارندگی، رطوبت و دمای خاک، تبخیر و تعرق، جریان آب پایه، شاخص تقویت شده پوشش گیاهی (EVI) در سامانه گوگل ارث انجین و دادههای مشاهدهای دبی رخدادهای سیل در حوضه منطقه موردمطالعه در دوره زمانی 1401-1380 بهکار گرفته شد. بهدنبال آن عوامل موثر بر دبی سیلابی بهروش تحلیل مؤلفه اساسی تعیین و در مرحله بعد برای اجرای مدلهای شبکه عصبی مصنوعی این عوامل به وسیله رگرسیون خطی بیزین الگوبندی شد و در مرحله آخر مدلسازی شبکه عصبی مصنوعی به‌منظور پیش‌بینی جریان سیلابی انجام گرفت. نتایج نشان داد که عوامل مجموع بارش روز جاری و روزماقبل، رطوبت خاک در عمق 0 تا 10 سانتیمتری روزماقبل و دمای خاک در روز قبل، بهعنوان مناسبترین الگوی ورودی برای مدلسازی انتخاب شدند. نتایج نشان داد که شبکه عصبی مصنوعی طراحی شده با ضریب کارایی 90/0 و ضریب تعیین 89/0 و ریشه میانگین مربعات خطا 37/50برای مرحله آموزش و ضریب کارایی نش-ساتکلیف 76/0 و ضریب تعیین 83/0 و ریشه میانگین مربعات خطا 46/86برای مرحله اعتبارسنجی، توانایی خوبی در برآورد دبی اوج سیلابی دارد. نتایج نشان داد که مدل واسنجی شده به‌منظور پیش‌بینی دبی جریان سیلابی با استفاده از دادههای سنجش از دور کاربردی بوده و دقت قابل‌قبولی دارد و میتواند ابزاری کارآمد در یاری رساندن به مدیران برای پیش‌بینی بهموقع سیلاب و کاهش خسارات ناشی از آن باشد.
Jahani M, Dastorani M T, Rashki A. Prediction of flood flows based on the combined solution of Google Earth Engine data and artificial intelligence models. Journal of Rainwater Catchment Systems 2024; 12 (4) : 4 URL: http://jircsa.ir/article-1-558-fa.html
جهانی محمد، دستورانی محمدتقی دستورانی، راشکی علیرضا. پیش‌بینی جریان‌های سیلابی بر اساس راهکار ترکیبی داده های گوگل ارث انجین و مدل های هوش مصنوعی. سامانه‌هاي سطوح آبگير باران. 1403; 12 (4) :51-72
تکمیل و ارسال فرم تعارض منافع نویسنده گرامی ، پس از ارسال مقاله ، جهت دریافت فرم، لطفا بر روی کلمه فرم تعارض منافع کلیک نمایید و پس از تکمیل، در فایل های پیوست مقاله قرار دهید.
