بخشی از مقاله
چکیده
مدل رقومی زمین داراي کاربردهاي فراوان در حوزههاي مختلف علوم و مهندسی، طراحی و اجراي پروژههاي گوناگون است. یکی از مهمترین مسائل در زمینه مدلسازي رقومی زمین، درونیابی ارتفاعات به منظور ایجاد یک سطح پیوسته میباشد. روشهاي مختلفی براي درونیابی وجود دارد که با توجه به شرایط محیطی و دادههاي ورودي نتایج متفاوتی را نمایش دادهاند.
در این مقاله روش هاي هوش مصنوعی نظیر الگوریتم ژنتیک و شبکه عصبی بهمنظور بهینه-سازي روش هاي درونیابی و تولید DEM بر روي نمونهها مورد آزمون قرار گرفت و نتایج حاصل از برآورد ارتفاعات با روشهاي هوشمند و روشهاي معمول درونیابی مقایسه گردید و در پایان مشخص شد روشهاي هوش مصنوعی قابلیت بالایی در درونیابی ارتفاعات دارند و استفاده از الگوریتمهاي شبکههاي مصنوعی در درونیابی و بهینهسازي روش وزندهی بر اساس معکوس فاصله با الگوریتم ژنتیک موجب برآورد و تخمین ارتفاعات بادقت بالا میگردد.
-1 مقدمه
مدلسازي و نمایش سهبعدي زمین یکی از ابزارهاي مهم براي مطالعه در زمینه هاي مختلف زمینشناسی، هواشناسی، مهندسی عمران، محیط زیست و پروژههاي مختلف مهندسی و داراي کاربردهاي فراوان در سیستم اطلاعات مکانی است. در مهندسی سیستمهاي اطلاعات مکانی از مدلسازي زمین با عنوان کلی مدلسازي رقومی زمین1 نام برده میشود و از آن براي نمایش تغییرات عوارض طبیعی، مصنوعی و کلیه پارامترهاي محیطی نظیر دما، آلودگی هوا و غیره استفاده میگردد
یکی از مهمترین این پارامترها در GIS2 ارتفاع عوارض زمین است که به صورت رقومی و سهبعدي نمایش داده میشود و مدل بهکار رفته براي نمایش آن مدل رقومی ارتفاعی - DEM - 3 نامیده میشود
به عبارت دیگر مدل رقومی ارتفاعی بصورت پیوسته تغییرات ارتفاع زمین را نسبت به موقعیت مسطحاتی - x,y - مشخص می - کند - Alesheikh and et al, 2008 - ، در ابتدا مدلهاي سهبعدي نمایش ارتفاعات زمین، مدلهاي فیزیکی بودند که از پلاستیک، ماسه، خاك رس و ... ساخته میشدند اما امروزه از کامپیوتر براي نمایش سطح زمین به شکل رقومی و پیوسته استفاده میشود
یکی از مسائل مهم در حوزه مدلسازي رقومی، ایجاد DEM با کیفیت و دقت بالا و با صرف کمترین هزینه است. براي تخمین یک سطح پیوسته، بهدلیل محدودیت در تعداد نمونهها و نیاز به تکثیر نقاط ارتفاعی از توابع ریاضی درونیابی، براي تخمین ارتفاع در نقاط میانی استفاده میشود
با استفاده از روشهاي درونیابی، ارتفاع مجهول نقاط میانی از روي ارتفاع نمونهها مشخص میگردد و در نتیجه نقاط مختصاتدار تکثیر یافته و امکان نمایش رقومی و پیوسته سطح زمین فراهم میگردد . از آنجایی که اصولا درونیابی با خطا همراه است این خطاها در محاسبات و فرایندهایی که بر پایه درونیابی قرار دارند، انتشار مییابند و موجب انحراف غیرقابل قبول نتایج از واقعیتها می - شوند . این خطاها ممکن است موجب برآوردهاي نادرست در پروژههاي اجرایی شوند و با ضرر و زیانهاي مالی وحتی جانی همراه باشند
بنابر این یکی از چالشهاي پیشرو در این زمینه، انتخاب روش درونیابی مناسب است زیرا علاوه بر منبع دادهها یعنی دقت و توزیع نقاط نمونه و خصوصیات ژئومورفولوژیکی سطح زمین، روش انتخاب شده براي درونیابی و تخمین ارتفاع در نقاط میانی نیز برکیفیت و دقت مدل رقومی ارتفاعی اثر می گذارد . - Li, 1990; Li, 1992a - روشهاي مختلفی براي درو نیابی پیشنهاد شدهاند که بسته به شرایط محیطی و دادهﻫﺎي ورودي نتایج متفاوتی را نمایش دادهاند .
معمولا روش درونیابی بهینه با بررسی میزان باقیمانده - 1RMSE - در خروجی انتخاب میگردد. در بیشتر مطالعات انجام شده هدف، مقایسه روشهاي درونیابی و انتخاب روش بهینه براي رسیدن به دقت بالاتر میباشد که میتوان به تحقیقات انجام شده اشاره کرد. در این مقاله، روشهاي هوش مصنوعی نظیر الگوریتم ژنتیک و شبکه عصبی بهمنظور بهینهسازي روشهاي درونیابی و تولید DEM بر روي نمونهها مورد آزمون قرار گرفته است و در پایان نتایج حاصل از برآورد ارتفاعات با روشهاي هوشمند و روشهاي معمول درونیابی، مورد مقایسه قرار گرفتهاند.
-2 دادهها و مواد مورد آزمون و معیار ارزیابی
بهمنظور ارزیابی روشهاي درون یابی معمول و هوشمند از دو دسته نقاط استفاده شده است. منطقه اول بخشی از مجموعه نقاط موجود در نرمافزار Auto Cad Civil 3D land Desktop 2009 و منطقه دوم بخشی از نقاط برداشت شده براي تهیه نقشه 1/2000 از منطقه بندر خمیر واقع در هرمزگان است. در هر دو منطقه اول و دوم، تعدادي از نقاط به عنوان نقاط کنترل و دو مجموعه نقطه - CHC-1 - و - CHC-2 - بهعنوان نقاط چک درنظر گرفته شدهاست. مشخصات هر دو مجموعه نقطه در جداول 1 و 2 نمودار گشته است.
جدول:1 مشخصات منطقه اول
جدول:2 مشخصات منطقه دوم
-3 روشها
-1-3 روشهاي درونیابی ارتفاع
هدف از درونیابی تعیین ارتفاع در نقاط مجهول میانی با استفاده از مقادیر ارتفاعی نقاط معلوم است . یانگ وهمکاران - 2004 - ، روشهاي مختلفی را براي درونیابی با استفاده از نرمافزار surfer 8.0 از نظر میزان دقت و کاربردي بودن مورد بررسی قرار داده است . - Yang and et al , 2004 - این روشها بر اساس معیارهاي مختلفی تقسیم میشوند
به عنوان نمونه روشهاي درونیابی بر اساس معیار سطح پوشش در دو دسته محلی1 و فراگیر2 قرار میگیرند. در روش هاي فراگیر براي تخمین ارتفاع در نقاط ﻣﺠﻬﻮل از ارتفاع همه نقاط کنترل استفاده میشود اما در روشهاي محلی، محاسبه ارتفاع نقطه مجهول بر اساس نقاط همسایه صورت می-گیرد. در این مطالعه از روشهاي دورنیابی مختلف براي تخمین ارتفاع در نقاط مجهول به صورت محلی استفاده شده است که در ادامه بیان گشته است:
-1-1-3 روش وزندهی بر اساس معکوس فاصله3
در این روش از اطلاعات ارتفاعی نقاط همسایه متناسب با فاصله آنها از نقاط مجهول و بصورت وزندار استفاده میشود. وزنها تابعی از فاصله از نقطه مجهول هستند بنابراین نقاط نزدیکتر وزن بیشتري دارند. براي محاسبه ارتفاع میتوان از رابطه زیر استفاده کرد:
در این رابطه p کنترل کننده نرخ کاهش وزن با فاصله است که معمولا برابر 2 در نظر گرفته میشود. di نشاندهنده فاصله نقطه مجهول تا نقطه معلوم i است و zi بیانگر ارتفاع نقطه i است
-2-1-3 روش چندجملهاي
در این روش سطح را با استفاده از چند جملهاي ها بر حسب مولفههاي مسطحاتی x,y به صورت z=f - x,y - تقریب میزنند
