داریوش ابوالفتحی

داریوش ابوالفتحی

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۸ مورد از کل ۸ مورد.
۱.

ارزیابی مدل های تخمین میزان رسوب رودخانه با روش شبکه عصبی مصنوعی (رودخانه ونایی)(مقاله علمی وزارت علوم)

کلید واژه ها: ونایی شبکه عصبی تخمین رسوب رگرسیون خطی MLP

حوزه های تخصصی:
تعداد بازدید : ۳۹۷ تعداد دانلود : ۱۳۱
رسوبات رودخانه ای به دو صورت منتقل میشوند: یا این مواد درون جریان آب غوطه ور هستند و همراه با آب در حرکت می باشند که به آنها مواد رسوبی معلق گفته میشود و میزان مواد رسوبی معلق را که در واحد زمان از یک مقطع رودخانه عبور کند، بار معلق مینامند. منطقه مورد مطالعه در این پژوهش حوضه آبریز رودخانه ونایی است. این منطقه در شهرستان بروجرد، در استان لرستان در غرب ایران واقع شده است، پژوهش حاضرازنوع کاربردی است. بدین صورت که، ابتدا مشخصات زیرحوضه های این رودخانه استخراج شده است این مشخصات شامل مشخصات فیزیکی زیرحوضه ها از جمله مساحت، محیط و طول آبراهه ها و مشخصات مربوط به دبی رودخانه و میزان رسوب آن است. در ادامه با روش های رگرسیون خطی چند متغیره، شبکه عصبی پیش خور چندلایه (MLP) به تخمین بار رسوب پرداخته شد. پس از محاسبه شاخص های RMSE و MAE با توجه به این امر که هرچقدر میزان این شاخص ها کمتر باشد مقدار پیش بینی شده به مقادیر واقعی نزدیکتر است بنابراین باتوجه به شواهد حاصله مدل شبکه عصبی مصنوعی MLP دقت بهتری را نسبت به مدل دیگر در تخمین میزان رسوب منطقه نشان میدهد. از سوی دیگر با توجه به مقدار شاخص R2 که برای دومدل محاسبه شده است دقت تخمین مدل به مقدار90.47 برای مدل MLP محاسبه شده است، مقدار R2 برای این مدل برابر 0.89 است. پس از مدل شبکه عصبی مصنوعی MLP. مدل رگرسیون خطی چند متغیره با مقدار R2 برابر با 0.353 قرار دارد. و این نشان دهنده ی دقت سه برابری مدل MLPنسبت به مدل رگرسیون می باشد مدل رگرسیون خطی نیز به علت این امر که تنها روابط خطی بین متغیر ها را در نظر می گیرد بیشترین میزان خطا را دارد.
۲.

پهنه بندی فرسایش حوضۀ آبریز رزن با استفاده از مدل های منطق فازی، EPM و BLM در محیط GIS(مقاله علمی وزارت علوم)

کلید واژه ها: فرسایش مدل منطق فازی مدل BLM مدل EPM حوضه آبریز رزن و GIS

حوزه های تخصصی:
تعداد بازدید : ۲۷۳ تعداد دانلود : ۱۳۳
آگاهی از میزان خطر فرسایش، امکان شناسایی نواحی بحرانی و اولویت بندی برنامه های مدیریتی و حفاظتی را فراهم می کند. این مطالعه با هدف استفاده از مدل های منطق فازی، EPM و BLM دربرآورد شدت فرسایش و محاسبه کل رسوب تولیدشده در مدت یک سال در حوضه آبریز رزن، به کمک فناوری سنجش از دور و GIS انجام گرفته است و سپس دقت هر یک از مدل های مورد مطالعه با یکدیگر مقایسه شد. براساس نتایج به دست آمده از مدل BLM، بیشتر منطقه مورد مطالعه در تیپ فرسایش کم قرار دارد. در ادامه با استفاده از مدل EPM مقدار کل رسوب تولیدشده در حوضه آبریز رزن محاسبه شد. بنا بر نتایج به دست آمده از مدل EPM، شدت فرسایش در منطقه مورد مطالعه در کلاس فرسایش متوسط قرار دارد. همچنین نتایج حاصل از عملگر گامای فازی 98/0 فازی فرسایش منطقه مورد مطالعه را در 5 دسته از خطر خیلی کم تا خیلی زیاد نشان داد. درنهایت نتایج اعتبار سنجی مدل ها نشان داد که نتایج مدل EPM با داده های برداشت شده در مطالعه میدانی مطابقت بیشتری دارد که نشان دهنده دقت مدل EPM در بررسی فرسایش در منطقه مورد مطالعه است. براساس پهنه بندی صورت گرفته با استفاده از مدل EPM به ترتیب 44/28، 16/32، 40/39 درصد از مساحت منطقه در کلاس های خطر خیلی کم، کم، متوسط قرار گرفته است.
۳.

ارزیابی مدل سازی تخمین میزان رسوب رودخانه با روش شبکه عصبی مصنوعی و رگرسیون چند متغییره (رودخانه ونایی)(مقاله علمی وزارت علوم)

کلید واژه ها: ونایی شبکه عصبی تخمین رسوب رگرسیون خطی MLP

حوزه های تخصصی:
تعداد بازدید : ۳۴۶ تعداد دانلود : ۱۷۹
رسوبات رودخانه ای به دو صورت منتقل میشوند: یا این مواد درون جریان آب غوطه ور هستند و همراه با آب در حرکت می باشند که به آنها مواد رسوبی معلق گفته میشود و میزان مواد رسوبی معلق را که در واحد زمان از یک مقطع رودخانه عبور کند، بار معلق مینامند. منطقه مورد مطالعه در این پژوهش حوضه آبریز رودخانه ونایی است. این منطقه در شهرستان بروجرد، در استان لرستان در غرب ایران واقع شده است، پژوهش حاضرازنوع کاربردی است. بدین صورت که، ابتدا مشخصات زیرحوضه های این رودخانه استخراج شده است این مشخصات شامل مشخصات فیزیکی زیرحوضه ها از جمله مساحت، محیط و طول آبراهه ها و مشخصات مربوط به دبی رودخانه و میزان رسوب آن است. در ادامه با روش های رگرسیون خطی چند متغیره، شبکه عصبی پیش خور چندلایه ( MLP ) به تخمین بار رسوب پرداخته شد. پس از محاسبه شاخص های RMSE و MAE با توجه به این امر که هرچقدر میزان این شاخص ها کمتر باشد مقدار پیش بینی شده به مقادیر واقعی نزدیکتر است بنابراین باتوجه به شواهد حاصله مدل شبکه عصبی مصنوعی MLP دقت بهتری را نسبت به مدل دیگر در تخمین میزان رسوب منطقه نشان میدهد. از سوی دیگر با توجه به مقدار شاخص R2 که برای دومدل محاسبه شده است دقت تخمین مدل به مقدار90.47 برای مدل MLP محاسبه شده است، مقدار R2 برای این مدل برابر 0.89 است. پس از مدل شبکه عصبی مصنوعی MLP . مدل رگرسیون خطی چند متغیره با مقدار R2 برابر با 0.353 قرار دارد. و این نشان دهنده ی دقت سه برابری مدل MLP نسبت به مدل رگرسیون می باشد مدل رگرسیون خطی نیز به علت این امر که تنها روابط خطی بین متغیر ها را در نظر می گیرد بیشترین میزان خطا را دارد.
۴.

مدل سازی تخمین میزان رسوب رودخانه به کمک روش شبکه عصبی مصنوعی (نمونه موردی: رودخانه گلرود)(مقاله علمی وزارت علوم)

کلید واژه ها: گلرود شبکه عصبی تخمین رسوب رگرسیون خطی MLP RBF

حوزه های تخصصی:
تعداد بازدید : ۵۰۲ تعداد دانلود : ۳۶۲
رسوبات رودخانه ای به دو صورت منتقل میشوند: یا این مواد درون جریان آب غوطه ور هستند و همراه با آب در حرکت می باشند که به آنها مواد رسوبی معلق گفته میشود و میزان مواد رسوبی معلق را که در واحد زمان از یک مقطع رودخانه عبور کند، بار معلق مینامند، یا اینکه به یکی از صور لغزش، غلتیدن، پرش حرکت مینمایند که به آنها بار بستر می گویند. شبکه عصبی مصنوعی روشی است که بر پایه شبیه سازی عملکرد مغز انسان ب رای ح ل م سایل متنوع ارایه و از لایه های نرون ورودی، خروجی و میانی و وزنهای مربوط به مقادیر ورودی و بایاس و تابع تحریک تشکیل شده است. منطقه مورد مطالعه در این پژوهش حوضه آبریز رودخانه گِلِرود است. این منطقه در شهرستان بروجرد، در استان لرستان در غرب ایران واقع شده است، پژوهش حاضرازنوع کاربردی ست. بدین صورت که، ابتدا مشخصات زیرحوضه های این رودخانه استخراج شده است این مشخصات شامل مشخصات فیزیکی زیرحوضه ها از جمله مساحت، محیط و طول آبراهه ها و مشخصات مربوط به دبی رودخانه و میزان رسوب آن است. در ادامه با روش های رگرسیون خطی چند متغیره، شبکه عصبی پیش خور چندلایه (MLP) و شبکه عصبی برپایه تابع شعاعی (RBF) به مدل سازی تخمین رسوب پرداخته شده است.پس از محاسبه شاخص هایRMSE وMAE با توجه به این امر که هرچقدر میزان این شاخص ها کمتر باشد مقدار پیش بینی شده به مقادیر واقعی نزدیکتر است بنابراین باتوجه به شواهد حاصله مدل شبکه عصبی مصنوعیMLP دقت بهتری را نسبت به دو مدل دیگر در تخمین میزان رسوب منطقه نشان میدهد. از سوی دیگر با توجه به مقدار شاخصR2 که برای سه مدل محاسبه شده است دقت تخمین مدل به مقدار 0.409 برای مدلMLP محاسبه شده است، مقدارR2 برای این مدل برابر 0.88 است. پس از مدل شبکه عصبی مصنوعیMLP، مدل شبکه مصنوعیRBF نتایج بهتری ارائه می دهد. در این مدل مقدارR2 برابر است با 0.4 که نشان دهنده دقت تخمین حدود نصف مدلMLP است. و در رتبه سوم نیز مدل رگرسیون خطی چند متغیره با مقدارR2 برابر با 0.3 قرار دارد.مدل رگرسیون خطی نیز به علت این امر که تنها روابط خطی بین متغیر ها را در نظر می گیرد دارد بیشترین میزان خطا است.
۶.

فرآیند جهانی شدن و تاثیر آن بر روند شهرنشینی در کلان شهرهای کشورهای درحال توسعه (نمونه موردی:کلان شهر تهران)

کلید واژه ها: عصر اطلاعات جهانی شدن مهاجرت شهرنشینی کلانشهر

حوزه های تخصصی:
تعداد بازدید : ۱۵۵۱ تعداد دانلود : ۳۱۷۹
شهرنشینی ارتباط بین جمعیت، اشتغال، مهاجرت، ساخت کالبدی و محیط انسان ساخت می باشد، که توسعه آن در هر زمان و فضای جغرافیایی تحت تاثیر شرایط ملی و بین المللی است. فرآیند جهانی شدن که از دهه 1980 در جهان فراگیر شده کاهش اعتبار مرزهای جغرافیایی و فشرگی مفهوم زمان را به دنبال داشته است و ساختارهای اقتصادی، اجتماعی و کالبدی کلانشهرها را که جهانی-شدن در آنها نمود پیدا می کنند تحت تاثیر قرارداده است. در عصراطلاعات، ارتباطات کلانشهرها با یکدیگر درچارچوب فضای ملی یا درسطوح بین المللی ازطریق امواج الکترونیکی صورت می پذیرد، بنابراین در نقش و کارکرد کلانشهرها نیز تغییراتی حاصل شده است. در کلانشهرها یک فضای مجازی وغیرواقعی قابل-مشاهده است که نتیجه توسعه فناوری های اطلاعاتی، میکروالکترونیک و ارتباطات راه دور می باشد بنابراین ترافیک عملکردها و نقش های جهانی در کلانشهرها قابل-مشاهده است. از آنجایی که جهانی شدن جغرافیای ویژه ای دارد که مناطق کلانشهری را به عنوان کانون توسعه خود شامل می شود وآنها را در شبکه ای جهانی یکپارچه می سازد. این کلانشهرها مرکز اطلاعات، تولید اندیشه و ستاد مدیریت برای تولید و توزیع پراکنده در سطح جهان هستند و خدمات مالی بیشترین نقش را در آنها دارند این گونه کلانشهرها مرکز مدیریت فرآیند تولید است بدون آنکه مکان تولید باشند و در واقع تولید غیرمتمرکز با متمرکزشدن مدیریت همراه است. در این مقاله به بررسی فرآیند جهانی شدن با توجه به جریان چندوجهی آن و اثراتی که در شهرنشینی کشورهای در حال توسعه داشته با نمونه موردی کلانشهر تهران پرداخته شده است.
۷.

نقش جاذبه های اکوتوریستی در توسعه گردشگری نهاوند با تاکید بر مدل SWOT

کلید واژه ها: راهکار توسعه گردشگری مدل SWOT جاذبه اکوتوریستی

حوزه های تخصصی:
تعداد بازدید : ۲۱۶۲ تعداد دانلود : ۱۲۴۷
گردشگری پدیده ای است که از گذشته های دور موردتوجه جوامع انسانی بوده و بر حسب نیازهای متفاوت اجتماعی، اقتصادی و تاریخی به پویایی خود ادامه داده است .در عصر حاضررشد روزافزون جمعیت ومتعاقب آن شهرنشینی لجام گسیخته بویژه در کشورهای درحال توسعه (کمبود فضای سبز، آلودگی شهرها) مشکلات فراوانی را از لحاظ گذران اوقات فراغت و استفاده از زیبایی های طبیعی به وجودآورده است. انسان برای فرار از زندگی ماشینی و شهر «این جزیره گرم و آلوده» دست به دامن طبیعت می شودکه این خود مبنای، شروع فعالیتی به نام اکوتوریسم است .فعالیتی که با هدف بهره گیری از زیبایی های طبیعی و جلوه های حیرت انگیز خلقت در عین حال سفری مسولیت پذیربدون کمترین آسیب پذیری محیطی بر فضای کالبدی منطقه می باشد. در شهرستان نهاوند شرایط جغرافیایی و توپوگرافی، دره های سرسبز، حیات وحش و مناطق حفاظت شده، سراب های جوشان، رودخانه های پرآب، دهکده ها و تپه های تاریخی، و ... پتانسیل بالایی برای فعالیت های اکوتوریستی فراهم ساخته است. در این پژوهش با استفاده از روش پیمایش، مطالعات میدانی و تعیین نقاط قوت، ضعف، فرصت ها و تهدیدها به شیوه مدل تحلیلی SWOT به بررسی و ارزیابی پتانسیل ها و قابلیت های جاذبه های اکوتوریستی شهرستان نهاوندبه گونه ای علمی، همراه با رعایت مسایل زیست محیطی پرداخته شده است سپس به ارائه راهکارهایی برای توسعه پایدار ناحیه ای و در نهایت حرکت در راستای توسعه پایدار ناحیه ای تاکید شده است. نتایج حاصل از مطالعات میدانی، مدل های تحلیلی و تجزیه و تحلیل های تجربی در منطقه موردمطالعه بیانگر این واقعیت است که عدم بهره برداری اصولی و ضعف بینش علمی مدیران نسبت به مسایل زیست محیطی جاذبه های اکوتوریستی منطقه را با آسیب پذیری بالایی مواجه کرده است. برای فایق آمدن بر مشکلات نیازمند بازنگری در برنامه های جاری و ارائه راهکارهای مناسب جهت کاهش نقاط ضعف و محدودیت ها و بهره گیری از نقاط قوت و فرصت های موجود می باشد.
۸.

میزان فرسایش خاک و رسوب دهی معادل با میزان سیلاب در حوضه فارسبان با استفاده از GIS

کلید واژه ها: سیستم اطلاعات جغرافیایی ARCVIEW PSIAC فارسبان رسوب دهی

حوزه های تخصصی:
تعداد بازدید : ۱۰۳۰ تعداد دانلود : ۵۵۲
موضوع این تحقیق بررسی فرسایش خاک و رسوب دهی در حوضه آبخیز فارسبان یکی از حوضه های گاماسیاب با توجه به روش PSIAC می باشد که در آن 13 ایستگاه موردمطالعه قرار گرفته، نرم افزارهای مورداستفاده در زمینه تهیه و تفسیر نقشه های منطقه aRCVIEW و برای تجزیه و تحلیل یا دامنه های آب و هوا، کاربری اراضی، پوشش گیاهی عامل فرسایش سطحی، زمین شناسی، فرسایش رودخانه ای و با توجه به پهنه بندی فرسایش نتیجه می گیریم که فرسایش خاک در این حوضه نسبتاً بالاست و نقشه فرسایش به صورت کلاس های مختلف طبقه بندی شده است و به ترتیب از خیلی زیاد ، زیاد ، متوسط، کم، خیلی کم، یا جزئی و سپس با استفاده از فرمولos=38/75e 1333r میزان تولید رسوب دهی سالانه برحسب کیلومتر مکعب در کیلومترمربع به دست آمده است در میان فاکتورهای شرح داده شده فاکتور فرسایش سطحی و نوع خاک و پوشش گیاهی به ترتیب بیشترین اثر را داشته است .. این روش برای اولین بار در سال 1352 در حوضه آبخیز استفاده شده با توجه به دقت خوب آن در مقایسه با سایر روش ها و مدل های تجربی در بعضی حوضه های داخلی چون هلیل رود- مارون، دوخواهران مورد استفاده قرارگرفت و اخیراً مطالعات زیادی انجام گرفته است و روش مناسبی برای تخمین فرسایش و رسوب می باشد .

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان