چکیده مقاله
سیلاب از مهم ترین مخاطرات طبیعی است و پیش بینی آن نیازمند بهره گیری از مدل های هوشمند است این مطالعه با مرور پژوهش های انجام شده در دو منطقه از بنگلادش و ایران، عملکرد روش های یادگیری ماشین Dagging، Random Subspace، RF، ANN، SVM و یادگیری عمیق CNN، RNN را در پهنه بندی حساسیت به سیلاب مقایسه می کند داده های محیطی شامل توپوگرافی، کاربری اراضی، بارش و خاک به عنوان ورودی مدل ها استفاده شده اند مطابق نتایج گزارش شده، Dagging در بنگلادش دقت بالاتری داشت و در استان گلستان نیز CNN نسبت به RNN عملکرد بهتری ارائه کرد ۱ , ۲ این مرور نشان می دهد بهره گیری از مدل های ترکیبی و عمیق می تواند راهکاری موثر برای مدیریت ریسک سیلاب باشد
کلیدواژهها
نویسندگان
محمدمهدی اسفندیاری
کارشناسی مهندسی نقشه برداری دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
سایان شجاع
کارشناسی مهندسی نقشه برداری دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
سعید صادقیان
دانشیار دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران
شیوه ارجاع
�سفندیاری، محمدمهدی و شجاع، سایان و صادقیان، سعید،1404،هوشمندسازی مدیریت سیل با استفاده از GIS و الگوریتم های یادگیری عمیق،بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو،تهران
ارائهشده در
مجموعه مقالات بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو29 آبان 1404 · تهران