سیدعلیرضا موسوی - دانشجوی کارشناسی ارشد، رشته مدیریت ساخت عمران، دانشگاه ازاد اسلامی بروجرد
ناصر صامتی - عضو هیئت علمی عمران دانشگاه آزاد اسلامی واحد بروجرد

نگاشت احتمال وقوع سیل برای طیف وسیعی از برنامه ها از جمله برنامه ریزی کاربری اراضی و توسعهاستراتژی ها و سیستم های هشدار سریع، امری بسیار ضروری است. برای توسعه و اعتبارسنجی مدل های پیشبینی، یک پایگاه داده زمینی حاوی سوابق مربوط به وقایع تاریخی سیل و ویژگی های ژئو محیطی استانخوزستان در جنوب ایران ساخته شد. . مسئله مدیریت بحران سیل با بررسی دقیق زوایا و ارائه یک رویکردپیش بینی در آن، می تواند امری جالب توجه باشد. این مقاله شامل یک رویکرد جدید برای پیش بینی سطح آبدر ارتباط با شدت سیل با استفاده از مدل یک رویکرد ترکیبی از شبکه عصبی مبتنی بر رگرسیون است. عواملشرایط سیلاب مورد استفاده در مدل سازی شامل بارندگی، مدت زمان بارندگی، اوج بارندگی، تبخیر، کاربریاراضی (نسبت جاده ها، زمین های جنگلی، علفزارها، اجسام آب و ساختمان)، نفوذپذیری، حوضه آبریز و شیبمی باشد. نقشه های وضعیت سیل با استفاده از GIS بر اساس داده های بارندگی در دوره های مختلف بازگشتباران، تولید شده است. شبیه سازی برای تحلیل نیز در MATLAB صورت گرفته است. انتظار می رود که بتوانیک رویکرد پیش بینی سیل با دقتی بالا را ارائه نمود. این مطالعه نشان داد که مدل های شبکه عصبی مبتنی بررگرسیون دارای یک ساختار فضایی صریح در تصرف ناهمگنی الگوهای مکانی احتمال سیل در استان خوزستانموفق هستند و از نگاشت های احتمالی حاصل می توان برای تدوین برنامه های کاهش در پاسخ به سیل هایآینده استفاده کرد.

پیش بینی سیل، مدیریت بحران، شبکه عصبی اسپایکینگ، رگرسیون