شماره کتابشناسی ملی
شماره
۱۱۰۴۸پ
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
per
عنوان و نام پديدآور
عنوان اصلي
پهنه بندی وقوع بهمن با استفاده از مدل شبکه (MLP) عصبی مصنوعی(مطالعه موردی :کوهستان‌های شمالی استان البرز)
نام نخستين پديدآور
/مهدی مرادی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: دانشکده جغرافیا
مشخصات ظاهری
نام خاص و کميت اثر
۱۲۹ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
در رشته‌ی سنجش از دور و سیستم اطلاعات جغرافیایی گرایش منابع آب و خاک
زمان اعطا مدرک
۱۳۹۲/۰۶/۱۶
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
بهمن یکی از انواع حرکات توده‌ای است که به حرکت سریع توده‌ای از برف در جهت شیب دامنه اطلاق می‌شود .بهمن‌ها در مسیر حرکت خود علاوه بر برف، سنگ و خاک و گیاه را حمل می‌کنند و منجر به آسیب رساندن به خطوط ارتباطی، ساختمان‌ها و خطوط انتقال نیرو در مسیر حرکت بهمن می‌شوند .بنابراین ضروری است مناطق بهمن خیز شناسایی شود اقدامات جدی در جهت جلوگیری از خسارت بهمن صورت گیرد .در این پژوهش دامنه‌هایی که دارای پتانسیل بهمن خیزی هستند، با استفاده از مدل شبکه عصبی مصنوعی (MLP) پهنه بندی شد .به منظور آموزش مدل داده‌های ۳۹ دامنه‌ای که بهمن در آن اتفاق افتاده بود را به شبکه معرفی کرده و عوامل موثر در وقوع بهمن شامل شیب، جهت شیب، ارتفاع، کاربری زمین، زمین‌شناسی، داده‌های هواشناسی شامل بارش و دما و شبکه آبراهه و خطوط ارتباطی به عنوان ورودی پس از نرمالیزه کردن به شبکه معرفی شد و در نهایت پس از آزمون و خطا، جهت رسیدن به حداقل خطا و حداکثر دقت ساختاری با معماری یک لایه ورودی با ۱۰ نرون، یک لایه پنهان با ۱۵ نرون و یک لایه خروجی برای آموزش دیدن شبکه انتخاب شد .از داده ۳۹ دامنه‌ای که قبلا بهمن در آن اتفاق افتاده بود که به عنوان نقاط سیاه به شبکه معرفی شد ۷۰ درصد برای آموزش و ۳۰ درصد برای تست بکار گرفته شد و مدل با ۹۰۴ درصد دقت آموزش دید .نهایتا پس از پهنه بندی دامنه‌های بهمن خیز با ۸۸۶ درصد دقت در پهنه بندی، عامل جهت شیب، شیب و ارتفاع به ترتیب دارای بیشترین عامل در تأثیر وقوع بهمن در منطقه شناخته شد
متن يادداشت
layer perceptron (MLP) artificial neural network model.Due to training the model, data of 39 mountain slopes which avalanche had occurred, has been introduced to the network and effective factors of avalanche happening including slope, aspect, elevation, landuse, geology, climate data like precipitation and temperature, canals network and transportation roads have been introduced to the network as inputs after normalizing. Finally after trial and errors, due to achieving minimum error and maximum structural accuracy, one input layer with 10 neurons, one hidden layer with 15 neurons and one output layer have been chosen to training the network. From 39 mountain slopes which avalanche had occurred on them and were introduced as black points to the network, 70 percent of them were used for training and 30 percent of them for testing and model had trained with 83 percent accuracy. Finally after zoning of avalanche susceptible mountain slopes, factors of aspect, slope and elevation were recognized as the most effective factors in avalanche happenings respectively-Avalanche is one of the mass movement which is called as a fast movement of falling snow mass along aspect of mountain slope. Avalanches carry snow, stone, soil and plants along their course and cause damages on transportation roads and buildings and electricity transmission networks. So it is necessary to determine potential areas of avalanche happening and take necessary actions to prevent avalanche damages. In this research mountain slopes with avalanche happening potential has been determined and zoned by multi
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
مستند نام اشخاص تاييد نشده
مرادی، مهدی
نام شخص - ( مسئولیت معنوی درجه دوم )
مستند نام اشخاص تاييد نشده
ولیزاده کامران، خلیل، استاد راهنما
مستند نام اشخاص تاييد نشده
نیکجو، محمدرضا، استاد مشاور
دسترسی و محل الکترونیکی
يادداشت عمومي
سیاه و سفید
وضعیت فهرست نویسی
وضعیت فهرست نویسی
نمایه‌سازی قبلی
