جستجوی مقالات مرتبط با کلیدواژه "سیلاب واریزه ای" در نشریات گروه "آب و خاک"
تکرار جستجوی کلیدواژه «سیلاب واریزه ای» در نشریات گروه «کشاورزی»-
سیلاب های واریزه ای می توانند خسارات شدیدی برای زندگی و اموال انسان ها به ویژه در مناطق پرجمعیت کوهستانی ایجاد کنند. در اثر تغییر اقلیم، فراوانی وقوع سیلاب واریزه ای روند افزایشی دارد. بنابراین ارزیابی روش های پیش بینی این پدیده جهت شناسایی رویکرد مناسب برای کاهش خطر و آگاهی مردم ضرورت دارد. در سال های اخیر، عمدتا از رویکردهای آستانه های بارندگی، مدل های رگرسیون لجستیک و داده کاوی برای پیش بینی این جریان ها استفاده شده است. در این مطالعه مروری بر روش های یاد شده برای پیش بینی سیلاب واریزه ای نشان می دهد، جهت انتخاب روش مناسب برای پیش بینی سیلاب واریزه ای بهتر است بر اساس شرایط و ویژگی های منطقه مورد مطالعه تصمیم گیری شود طوری که ممکن است یک یا ترکیبی از این روش ها نتایج مناسبی ارایه دهد. به طور کلی در میان روش های مذکور، رویکردهای مبتنی بر داده، به دلیل سهولت کاربرد، دقت بالا و عدم نیاز به تعداد زیاد داده های مشاهداتی به ویژه در مناطقی که با مشکل کمبود داده مواجه هستند، به عنوان روش برتر در این تحقیق توصیه می شود. مطالعه حاضر می تواند برای شناسایی رویکردهای پیش بینی سیلاب واریزه ای جهت کاهش خسارات ناشی از آن موثر باشد.
کلید واژگان: آستانه های بارندگی, داده کاوی, سیلاب واریزه ای, مدل رگرسیون لجستیکDebris flows can create severe damage for humans' life and estate especially in the mountainous areas. The frequency of debris flow occurrence has an increasing trend due to climate change. Therefore, it is necessary to evaluate the prediction methods of this phenomenon to identify an appropriate approach for reducing its danger and people awareness. In recent years, rainfall threshold, regression logistic model and data mining methods were mainly employed for predicting these flows. In this study, a review on the mentioned methods for predicting debris flows reveals that it is better to select the convenient method for predicting debris flow based on the conditions and characteristics of the case study so that one or a combination of these methods may provide appropriate results. Generally, among the mentioned methods, data mining approaches are recommended as superior method in this study because of easy application, high accuracy and lack of requirement for the large number of observed data especially in areas that have data shortage problem. The current study can be effective for identifying debris flows prediction approaches to reduce its damage.
Keywords: Data Mining, debris flow, Logistic Regression Model, Rainfall threshold
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.