منطقه بندی حوزه های آبخیز با به کارگیری نوعی از شبکه های عصبی مصنوعی به منظور تحلیل فراوانی منطقه ای سیلاب

نگاشت­های خود­سازمانده یکی از انواع شبکه­های عصبی مصنوعی هستند که قابلیت آن­ها در تشخیص الگو و خوشه­بندی داده­ها، آن­ها را به ابزاری قابل توجه در زمینه­ی منطقه­بندی حوزه­های آبخیز به منظور اجرای تحلیل فراوانی منطقه­ای سیلاب تبدیل کرده است. در این مطالعه، توانایی نگاشت­های خودسازمانده در منطقه­بندی حوزه­ی آبخیز سفیدرود به منظور اجرای تحلیل فراوانی منطقه­ای سیلاب با استفاده از الگوریتم گشتاور­های خطی مورد بررسی قرار گرفته است. نتایج به دست آمده بیانگر آن است که نگاشت­های خود­سازمانده می­توانند به عنوان روشی قابل قبول در زمینه­ی خوشه­بندی داده­ها و منطقه­بندی حوزه­های آبخیز به­کار گرفته شوند. بررسی مقادیر شاخص­های صحت خوشه نشان داد که این شاخص­ها به­تنهایی نمی­توانندتعیین­کننده­ی منطقه­بندی مطلوب برای تحلیل فراوانی منطقه­ای باشند، بلکه این وضعیت همگنی مناطق است که عامل اساسی در تعیین منطقه­بندی مطلوب است. بر اساس وضعیت همگنی مناطق و بزرگی مناطق تشکیل شده، حالت­های دو منطقه­ای حاصل از به­کارگیری الگوریتم­های وارد و نگاشت­های خودسازمانده به عنوان حالت­های بهینه به منظور اجرای تحلیل فراوانی منطقه­ای سیلاب برای حوزه­ی آبخیز سفیدرود، انتخاب شدند. افزون بر این،  نتایج حاصل از برآورد سیلاب در تحلیل نقطه­ای و دو تحلیل منطقه­ای گویای آن بود که برآوردهای حاصل از دو تحلیل منطقه­ای بسیار به هم نزدیک بوده و اختلاف نسبی آن­ها به­طور میانگین در حدود ۱% است. هم­چنین، اختلاف نسبی آن­ها با برآوردهای حاصل از تحلیل نقطه­ای نیز در هیچ­یک از ایستگاه­ها از ۱۷% تجاوز نمی­کند و مقدار میانگین آن تقریبا برابر ۸% است.

Keywords:

Clustering , L-moments , Regionalization , SOFM , نگاشت خود سازمانده , منطقه بندی , خوشه بندی , گشتاور های خطی