شبیه سازی مناطق مستعد سیلاب با استفاده از شبکه عصبی پرسپترون و سیستم اطلاعات جغرافیایی (منطقه موردمطالعه: حوزه آبخیز زولاچای، شهرستان سلماس)

چکیده مبسوط مقدمه و هدف: امروزه پدیده سیل یکی از پیچیده ترین رخدادهای مخاطره آمیز است که بیش از سایر بلایای طبیعی دیگر، همه ساله در نقاط مختلف دنیا منجر به ایجاد خسارت های جانی و مالی و تخریب اراضی کشاورزی می شود. مواد و روش­ ها: به­ دلیل سیل خیز بودن حوضه آبریز زولاچای، شهرستان سلماس بررسی و شبیه سازی خطر وقوع سیل در این منطقه ضروری به­ نظر می رسد. لذا در این پژوهش از تلفیق شبکه عصبی مصنوعی پرسپترون (MLP) و GIS استفاده شده است. ابتدا پارامترهای تاثیرگذار در شبیه سازی مناطق سیلابی نظیر: لایه شیب، ارتفاع، جهت جریان، خاک و کاربری اراضی مورد بررسی قرارگرفته و این لایه های اطلاعاتی وارد نرم­ افزار ARCGIS۵.۳ شدند. لایه های اطلاعاتی مورد نظر با دستور Fishnet مورد پردازش قرار گرفتند و هرکدام از لایه ها به point  تبدیل شدند و این داده به همراه داده های تعلیمی که از گوگل ارث دریافت شده بود به شبکه عصبی معرفی شد. در شبکه عصبی پرسپترون لایه های ورودی شامل ۵ نورون و ۱۶ گره وارد مدل شدند. یافته­ ها: نتایج نشان داد، ارتفاع دارای کم ترین وزن (R۲=۰.۷۱۳) و بیشترین وزن مربوط به جهت جریان (R۲=۰.۹۱۳) در شبیه سازی سیلاب حوزه آبخیز زولاچای، شهرستان سلماس می باشد. نتیجه ­گیری: می توان بیان کرد تلفیق GIS و شبکه عصبی مصنوعی می تواند برای مدل سازی و شبیه سازی سیلاب در محیط های مکانی مختلف برای جلوگیری و کاهش خطرات محیطی بسیار مفید واقع شود.  

Keywords:

Flood , Fishnee , Perceptron Artificial Neural Network , Salmas County , Zolachai Watershed , حوزه آبخیز زولاچای شهرستان سلماس , سیل , شبکه عصبی مصنوعی پرسپترون , Fishnee