سید رمضان موسوی

سید رمضان موسوی

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۳ مورد از کل ۳ مورد.
۱.

ارزیابی مدل های جنگل تصادفی و ماشین بردار پشتیبان در تهیه نقشه حساسیت زمین لغزش (مطالعه موردی: حوضه تجن، استان مازندران)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: زمین لغزش تکنیک های یادگیری ماشین AUC حوضه آبخیز تجن

حوزه‌های تخصصی:
تعداد بازدید : ۱۰ تعداد دانلود : ۷
تهیه نقشه حساسیت زمین لغزش با استفاده از یادگیری ماشین ابزاری مفید برای مدیریت زمین در مناطق مستعد به این پدیده است. هدف این مطالعه، تهیه نقشه حساسیت زمین لغزش در حوضه تجن با یادگیری ماشین است. بدین منظور 21 عامل مؤثر در وقوع زمین لغزش در چهار طبقه عوامل زمین شناسی، اقلیمی و محیطی، توپوگرافی و هیدرولوژیکی شناسایی و رستر آنها در نرم افزارهای ENVI 5.6، SAGA GIS و ArcGIS تهیه شد. با بازدیدهای میدانی موقعیت 155 زمین لغزش ثبت و در ArcGIS به لایه نقطه ای تبدیل شدند. کلیه عوامل با فرمت ASCII و لایه نقطه ای (لایه آموزشی) وارد نرم افزار R شدند. برای آموزش مدل های ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF)، 70 درصد از داده ها (109 واقعه) و برای آزمون 30 درصد (46 واقعه) استفاده شد. ارزیابی مدل RF با منحنی ROC نشان داد که نمره های 972/0 و 949/0 در مراحل آموزش و آزمون را کسب کرده است. اطلاعات مدل RF نشان می دهد که مؤثرترین عوامل شامل جهت شیب، فاصله از آبراهه، فاصله از جاده، درجه شیب و شاخص موقعیت توپوگرافی هستند. نتایج مدل SVM نشان داد که پتانسیل طبقه حساسیت زیاد در حوضه بیشتر از RF است و نمرات AUC به ترتیب 906/0 و 831/0 به دست آمد. نتایج مدل SVM نشان داد که پتانسیل طبقه حساسیت زیاد در حوضه نسبت به پیش بینی مدل RF بیشتر شده است. مؤثرترین عوامل در مدل SVM شامل طبقات ارتفاعی، بارندگی، جهت شیب، فاصله از آبراهه و فاصله از جاده می باشند. مدل SVM در مقایسه با مدل RF عملکردی ضعیفی در پیش بینی نقشه حساسیت زمین لغزش دارد. نتایج دسته بندی سطح خطر در مدل RF، بترتیب خیلی زیاد (19/10%)، زیاد (17/4%)، متوسط (76/10%)، کم (62/15%) و خیلی کم (26/59%) از مساحت حوضه است. در مدل SVM نیز بترتیب سهم طبقات خیلی زیاد 51/5%، زیاد 58/15%، متوسط 33/5%، کم 47/4% و خیلی کم 09/69% محاسبه شده است.
۲.

پتانسیل تولید سیل در حوضه های آبخیز با استفاده از مدل HEC_HMS در محیط سامانه اطلاعات جغرافیایی ( مطالعه موردی حوضه معرف کسیلیان )(مقاله علمی وزارت علوم)

کلیدواژه‌ها: مازندران GIS پتانسیل تولید سیل مدل HMS حوضه کسیلیان

حوزه‌های تخصصی:
تعداد بازدید : ۲۲۸۱ تعداد دانلود : ۷۷۶
سیل یکی از بلایای طبیعی است که اغلب مناطق کشور را تحت تاثیر قرار داده و موجب وارد آمدن خسارت می گردد. لذا شناسایی اصولی مناطق با پتانسیل تولید سیل از جمله اقدامات بسیار مهم در کاهش خسارات ناشی از آن می باشد. در این مطالعه نقش روند یابی سیل در تفکیک و شناسایی مناطق سیل خیز پس از برآورد دبی زیر حوضه ها در آبراهه های اصلی تا خروجی کل حوضه بررسی شد. بدین منظور حوضه آبخیز کسیلیان که حوضه معرف البرز شمالی است به 3 زیر حوضه تقسیم گردید و خصوصیات فیزیکی کل حوضه و زیر حوضه ها از طریق GIS و الحاقیه HEC-GeoHMS تعیین شد.با کاربرد روش تکرار حذف انفرادی زیر حوضه هیدروگراف های سیل متناظر با بارش، برای هر یک از زیر حوضه ها محاسبه و سپس با حذف متوالی زیر حوضه ها میزان تاثیر هر یک از آن ها در تولید سیل خروجی بدست آمد. زیر حوضه ها به ترتیب نقش آن ها در سیل خروجی اولویت بندی گردیدند نتایج نشان داد که میزان مشارکت زیر حوضه ها در سیل خروجی متناسب با دبی اوج نبوده و لزوماً زیر حوضه هایی که دبی بیشتری دارند، بیشترین مشارکت را در سیل خروجی حوضه ندارند.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان