مدلسازي مكاني سيلاب با استفاده از الگوريتم شبكه عصبي مصنوعي و توابع تحليلي GIS

سيلاب از اصلي ترين بلاياي همه گير و يكي از مسائل مهم جهاني است به طوري كه با افزايش شدت و فراواني رخدادهاي سيل، نگراني هاي جهاني در خصوص افزايش مرگ و مير و ضررهاي اقتصادي ناشي از سيل افزايش يافته است. تاكنون روش هاي مختلفي براي تحليل اين مخاطره طبيعي توسعه و پيشنهاد داده شده است. هدف اين مطالعه بهره مندي از توابع تحليل مكاني سيستم اطلاعات جغرافيايي (GIS)، داده هاي ايستگاه هاي هيدرومتري و باران سنجي، تصاوير ماهواره اي و لايه هاي اطلاعاتي موضوعي در قالب الگوريتم شبكه عصبي مصنوعي، براي پيش بيني مقادير دبي و مدلسازي مكاني سيلاب در محدوده حوضه رودخانه كن واقع در استان تهران مي باشد. به اين منظور مدل شبكه عصبي بهينه با هفت ورودي شامل لايه هاي شيب، انحناي دامنه، جريان تجمعي، پوشش گياهي، واحدهاي زمين شناسي، رده هاي خاك و داده هاي بارش به همراه هشت، شانزده و يك نورن به ترتيب براي لايه هاي مخفي اول و دوم و خروجي طراحي و توسعه يافت. خروجي مدل شبكه عصبي مقادير دبي ايستگاه ها بود، آنگاه بر اساس بالاترين دقت ثبت شده و به كارگيري اوزان ميان نورون‌ها در لايه هاي شبكه، نقشه پتانسيل سيل خيزي ايجاد شد. پارامترهاي دقت سنجي R2، RMSE و MAE براي نشان دادن كارايي مدل پيشنهادي به كار رفتند كه به ترتيب مقادير 0.82، 0.18 و 0.13 را شامل مي شدند. نتايج اين پژوهش مي تواند در برنامه ريزي‌هاي محيطي آتي در مقياس محلي به عنوان امكاني براي بهبود مديريت بحران و مخاطرات زيست محيطي به كار رود. اين مطالعه نشان داد كه كاربرد توأم توابع تحليل مكاني GIS و الگوريتم شبكه عصبي كارايي بالايي براي پيش بيني پتانسيل وقوع مخاطرات طبيعي چون سيلاب دارد.