ارزیابی وپتانسیل سنجی خطروقوع سیل درشهرجناح با استفاده از الگوریتم ماشین پشتیبان بردار (SVM)

نویسندگان

  • احمد انصاری لاری استادیارگروه جغرافیا ، واحد لارستان ، دانشگاه آزاد اسلامی ، لارستان ، ایران
  • عبدالرسول قنبری استادیارگروه جغرافیا ، واحد لارستان ، دانشگاه آزاد اسلامی ، لارستان ، ایران
  • علی راستگو دانشجوی دکترای جغرافیا، واحد لارستان ، دانشگاه آزاد اسلامی ، لارستان ، ایران
چکیده

یکی از انواع فرآیند های دامنه ای که هر ساله موجب خسارت جانی و مالی فراوان در بسیاری از نقاط ایران و جهان می شود وقوع سیل است. شناسایی مناطق مستعد وقوع سیل از طریق پهنه بندی خطر، یکی از اقدامات موثر و ضروری در کاهش خطرات احتمالی و مدیریت آن می باشد. هدف اصلی این پژوهش، ارزیابی وقوع سیل در شهر جناح با استفاده از مدل ماشین بردار پشتیبان می باشد. در ابتدا نقشه DEM محدوده مورد مطالعه را تهیه و سپس اطلاعات را به­صورت تصادفی نسبت 70 به 30 برای ساخت مدل واعتبار سنجی­آن تقسیم شدند. اعتبار سنجی و صحت سنجی توسط هشت عامل شیب، جهت شیب، فاصله از جاده، کاربری اراضی، انحنای طولی شیب، انحنای عرضی شیب، ارتفاع، فاصله از رودخانه مورد بررسی قرارگرفته است. نتایج نشان می­دهدکه مدل SVM عملکرد خوبی جهت ارزیابی وقوع سیل در منطقه مورد مطالعه دارد و نتایج به دست آمده از این پژوهش می تواند برای برنامه ریزی کاربری اراضی، کاهش خطرات وقوع سیل و تصمیم گیری در مناطق مستعد مفید واقع گردد.

برای دانلود باید عضویت طلایی داشته باشید

برای دسترسی به متن کامل این مقاله و 23 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بهبود دقت شناسایی غواص با استفاده از الگوریتم کلاس‌بندی ماشین بردار پشتیبان

ویژگی‌های منحصر به فرد و امکان انتشار آسان سیگنال های صوتی در محیط زیرآب، امکان شناسایی و رد گیری اهداف زیر آبی بوسیله آنها را فراهم می‌کند. از جمله کاربردهای پدافندی سیگنال صوتی در حوزه‌ی دریا می‌توان استفاده از سونار برای شناسایی غواص به منظور جلوگیری از نفوذ غواصان در نیروگاه های ساحلی و همچنین حفاظت از تجهیزات بندرگاهی و ... را نام برد. برای این مقصود شناسایی صحیح غواص از سایر اهداف زیر آبی...

متن کامل

پیش‌بینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)

مدل‌های داده محور از جمله ابزارهایی هستند که به منظور شبیه‌سازی در علوم مختلف استفاده می‌شوند. روش ماشین بردار پشتیبان به عنوان یکی از جدیدترین این نوع ابزارها اخیراً در علوم مرتبط با آب مورد توجه قرار گرفته است. در هیدرولوژی و منابع آب، این مدل‌ها با شبیه‌سازی فرآیند بارش-رواناب، مقدار رواناب را در حوزه‌های آبخیز بدون ایستگاه اندازه‌گیری و با حداقل زمان ممکن و کمترین هزینه برآورد می‌کنند. هدف ا...

متن کامل

کاهش تعداد بردارهای پشتیبان در ماشین بردار پشتیبان (svm)

ماشین بردار پشتیبان روش مطلوبی برای طبقه بندی انواع داده هاست، اما مشکل اساسی این روش کاهش چشم گیر سرعت طبقه بندی آن در ازای افزایش ابعاد مسئله است. در این پایان نامه تابع کرنلی که از چندجمله ای متعامد هرمیت مشتق شده و ترکیب این تابع با سایر کرنل های رایج برای ماشین بردار پشتیبان ارائه شده است. این توابع، علاوه بر کاهش تعداد بردارهای پشتیبان که موجب افزایش سرعت خواهد شد، صحت طبقه بندی داده ها ر...

طراحی شبکه پایش سطح آب زیر‏زمینی با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)

این مطالعه روشی برای طراحی شبکه‏های پایش کمّی آب زیر‏زمینی به ‏منظور کاهش نقاط پایش مکانی اضافی ارائه می‏کند؛ چاه‏های اضافی، که اگر نمونه‏گیری نشوند، خطا‏ی تخمین سطح آب زیر‏زمینی آن‌ها قابل چشم‌پوشی است. این روش مبتنی بر روش ماشین بردار پشتیبان بر پایة تئوری یادگیری آماری است. در این مطالعه، با استفاده از اطلاعات کمّی 63 چاه‏ مشاهداتی و پارامتر‏های هواشناسی (بارندگی و تبخیر) دشت رامهرمز، در دورة ...

متن کامل

پیش بینی گرایش احساسی سرمایه گذاران با استفاده ازتکنیک‏های ماشین بردار پشتیبان(SVM) و درخت تصمیم(DT)

گرایش‏های احساسی سرمایه‏گذاران بیانگر حاشیه میزان خوش‏بینی و بدبینی سهامداران نسبت به یک سهم می‏باشد. احساسات سرمایه‏گذاران تحت تاثیر پدیده‏های روانشناختی، به رفتار افراد جهت می‏بخشند و در بسیاری از مواقع، موجب انحراف افراد از رفتار عقلایی می‏شوند. هدف از انجام این پژوهش، بکارگیری روش‏های فراابتکاری جهت پیش‏بینی گرایش‏های احساسی سرمایه‏گذاران است. در این پژوهش با استفاده از 97 نسبت مالی مربوط ...

متن کامل

ارزیابی عملکرد توابع کرنل در تخمین جریان رودخانه‌ها با استفاده از ماشین بردار پشتیبان

سابقه و هدف: پیش‌بینی دقیق رواناب رودخانه‌ها نقش مهمی در مدیریت بهینه منابع آب در دسترس دارد. در سال‌های اخیر، ماشین بردار پشتیبان (SVM) که یکی از مهمترین مدل‌های داده‌کاوی است برای این منظور مورد توجه قرار گرفته است. این مدل یک سیستم یادگیری کارآمد بر مبنای تئوری بهینه‌سازی مقید است که از اصل استقرای کمینه‌سازی خطای ساختاری استفاده کرده و منجر به یک جواب بهینه کلی می‌گردد. همانند مدل‌های داده‌...

متن کامل

ذخیره در منابع من

ذخیره در منابع من ذخیره شده در منابع من

{@ msg_add @}

  با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

دانلود متن کامل

برای دسترسی به متن کامل این مقاله و 23 میلیون مقاله دیگر ابتدا ثبت نام کنید

ثبت نام

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید


عنوان ژورنال:

دوره 12  شماره 46

صفحات  19- 34

تاریخ انتشار 2020-02-20

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2022