پیش‌بینی جریان‌های سیلابی بر اساس راهکار ترکیبی داده‌ های گوگل ارث انجین و مدل‌ های هوش مصنوعی

Abstract

سیل یکی از حوادث ناگوار در طبیعت است که در صورت عدم پیش‏بینی به‏موقع می‏تواند باعث خسارت مالی و جانی شدیدی شود. لذا برآورد دبی اوج سیلابی از مهم‏ترین مسائلی است که امروزه، در مطالعات هیدرولوژیکی دارای اهمیت ویژه‏ای است. با این وجود هنوز تحقیقات برای استفاده از ابزارهای سنجش از دور برای پیش‏بینی، کنترل و مدیریت سیل در اکثر حوزه‏های آبخیز کشور کم‌تر مورد توجه واقع شده است. هدف پژوهش حاضر، تعیین عوامل موثر بر دبی جریان سیلابی حوزه آبخیز سرباز و پیش‌بینی جریان سیلابی رودخانه سرباز با استفاده از روش‌های هوش مصنوعی شامل مدل شبکه عصبی مصنوعی (ANN) است. در این تحقیق داده ‏های بارندگی، رطوبت و دمای خاک، تبخیر و تعرق، جریان آب پایه، شاخص تقویت شده پوشش گیاهی (EVI) در سامانه گوگل ارث انجین و داده‏های مشاهده‏ای دبی رخدادهای سیل در حوضه منطقه موردمطالعه در دوره زمانی 1401-1380 به‏کار گرفته شد. به‏دنبال آن عوامل موثر بر دبی سیلابی به‏روش تحلیل مؤلفه اساسی تعیین و در مرحله بعد برای اجرای مدل‏های شبکه عصبی مصنوعی این عوامل به وسیله رگرسیون خطی بیزین الگوبندی شد و در مرحله آخر مدل‏سازی شبکه عصبی مصنوعی به‏منظور پیش‏بینی جریان سیلابی انجام گرفت. نتایج نشان داد که عوامل مجموع بارش روز جاری و روزماقبل، رطوبت خاک در عمق 0 تا 10 سانتی‏متری روزماقبل و دمای خاک در روز قبل، به‏عنوان مناسب‏ترین الگوی ورودی برای مدل‏سازی انتخاب شدند. نتایج نشان داد که شبکه عصبی مصنوعی طراحی شده با ضریب کارایی 90/0 و ضریب تعیین 89/0 و ریشه میانگین مربعات خطا 37/50 برای مرحله آموزش و ضریب کارایی نش-ساتکلیف 76/0 و ضریب تعیین 83/0 و ریشه میانگین مربعات خطا 46/86 برای مرحله اعتبارسنجی، توانایی خوبی در برآورد دبی اوج سیلابی دارد. نتایج نشان داد که مدل واسنجی شده به‌منظور پیش‌بینی دبی جریان سیلابی با استفاده از داده‏های سنجش از دور کاربردی بوده و دقت قابل‌قبولی دارد و می‏تواند ابزاری کارآمد در یاری رساندن به مدیران برای پیش‏بینی به‏موقع سیلاب و کاهش خسارات ناشی از آن باشد.