کاربرد یکپارچه الگوریتمهای یادگیری عمیق و سیستمهای اطلاعات جغرافیایی در پیشبینی و مدیریت هوشمند سیلابهای فصلی: مطالعه موردی نوشآباد کاشان
کاربرد یکپارچه الگوریتمهای یادگیری عمیق و سیستمهای اطلاعات جغرافیایی در پیشبینی و مدیریت هوشمند سیلابهای فصلی: مطالعه موردی نوشآباد کاشان
سیدجمال یدالهی1
1) فارغ التحصیل مدیریت صنعتی دانشگاه آزاد کاشان و کارمند شهرداری نوش آباد
کد IOI مقاله
:
ABFF-ABDGZG
محل انتشار :
نهمین کنگره بین المللی توسعه کشاورزی، منابع طبیعی، محیط زیست و گردشگری ایران(9icsda.ir)
چکیده :
سیلابهای فصلی در مناطق نیمهخشک ایران، مانند نوشآباد در پاییندست کاشان، تهدیدی جدی برای زیرساختهای شهری، ایمنی عمومی و محیط زیست هستند. این مطالعه یک مدل یکپارچه مبتنی بر الگوریتمهای یادگیری عمیق (شبکههای LSTM) و سیستمهای اطلاعات جغرافیایی (GIS) را برای پیشبینی دقیق دبی سیل و پهنهبندی خطر در حوزه آبخیز رودخانههای فصلی سوکچم و سیلی کاشان ارائه میدهد. با استفاده از دادههای هیدرولوژیکی ۳۰ساله (۱۳۷۴-۱۴۰۴)، تصاویر ماهوارهای Sentinel-2 و مدل هیدرولوژیکی HEC-RAS، مدل پیشنهادی به دقت ۹۴.۶% (R²=0.946) در پیشبینی دبی سیل دست یافت که نسبت به مدل سنتی HEC-RAS (R²=0.723) برتری قابلتوجهی دارد. این مدل با طراحی سامانه هشدار زودرس (EWS) و پروتکلهای ایمنی، سلامت و محیط زیست (HSE)، امکان کاهش خسارات زیرساختی تا ۶۸% و آلودگیهای زیستمحیطی تا ۷۵% را فراهم کرد. نتایج برای خدمات شهری نوشآباد، از جمله لایروبی هدفمند و مدیریت اضطراری، کاربرد عملی دارد و قابلیت تعمیم به سایر شهرهای کوچک ایران را داراست.
کلمات کلیدی : سیلاب فصلی یادگیری عمیق شبکه lstm مدیریت بحران hse