پیش بینی مناطق مستعد وقوع سیل با استفاده از مدل های پیشرفته ماشین (دشت بیرجند)

Abstract

چکیده پژوهش ها در مورد مدل های پیش بینی سیل، یکی از اقدام های اولیه در کاهش خسارت سیل و مدیریت سیل های آینده در حوضه های آبریز است. هدف از مطالعه حاضر، ارزیابی حساسیت سیل در حوضه آبریز دشت بیرجند از طریق چهار مدل یادگیری ماشین شامل ماشین بردار پشتیبان (SVML)، درخت تصمیم 148، جنگل تصادفی (RF) و سیستم استنتاج عصبی فازی (ANFIS) است. لذا جهت پیاده سازی و اعتبارسنجی مدل های ذکر شده، فهرستی از مناطق مستعد سیل در منطقه مورد مطالعه تهیه شد (۲؛ موقعیت سیل خیز). علاوه بر این، ۱۹ معیار هیدروژئولوژیکی، توپوگرافی، زمین شناسی و محیطی مؤثر بر وقوع سیل در منطقه مور مطالعه استخراج شدند تا برای پیش بینی نقشه حساسیت سیل مورد استفاده قرار گیرند. نتایج نشان داد که بالاترین دقت مربوط به مدل RF (845/0( و کم ترین دقت مربوط به مدل SVM (791/0( بود. علاوه بر این، اعتبار سنجی نتایج با استفاده از منحنی ROC نشان داد که دقیق ترین مقادیر حساسیت سیل نیز به مدل RF اختصاص دارد. نتایج این مطالعه می تواند به منظور مدیریت مناطق آسیب پذیر و کاهش خسارات سیل استفاده شود.