پهنه بندی احتمال وقوع سیل با استفاده از بررسی مقایسه ای دو مدل شناخته شده جنگل تصادفی و ماشین بردار پشتیبان در شمال ایران

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 451

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWIM-11-2_011

تاریخ نمایه سازی: 20 شهریور 1400

چکیده مقاله:

هدف از پژوهش پیش رو، پهنه بندی احتمال وقوع سیل در حوزه آبخیز سالیان تپه، واقع در استان گلستان میباشد. بدین منظور، از دو مدل معروف و شناخته شده ی داده کاوی یعنی مدل جنگل تصادفی(RF) و مدل ماشین بردار پشتیبان (SVM) به عنوان بنچ مارک و به لحاظ الگوریتم محاسباتی توانمند در زمینه ارزیابی فرایند وقوع سیلاب استفاده شد. شواهد سیلاب با استفاده از بازدیدهای میدانی،گزارش ها و اطلاعات سازمانی موجود ثبت و در سامانه اطلاعات جغرافیاییGIS)) در قالب نقشه تهیه شد. همچنین، با توجه به مرور منابع گسترده، سیزده عامل زمینه ساز شامل فاصله از آبراهه، واحدهای سنگ شناسی، درصد شیب، بافت خاک، جهت شیب، کاربری اراضی، انحنای طولی و عرضی دامنه، شاخص رطوبت، شاخص توان فرسایشی آبراهه و طبقات ارتفاعی به عنوان عوامل موثر بر وقوع سیل در منطقه مورد مطالعه انتخاب و لایه های مذکور در سامانه اطلاعات جغرافیایی تهیه شدند. در این مطالعه بعد از آماده سازی لایه ها، برای آنالیز این داده ها و بررسی هم خطی آنها از نرم افزار SPSS استفاده شد. به منظور ارزیابی نتایج مدلها، از مقدار مساحت زیر منحنی تشخیص عملکرد نسبی ROC)) استفاده شد. سه سری متفاوت از نقاط وقوع خطر سیل (S۱, S۲, S۳ ( شامل ۷۰ درصد برای آموزش مدل و ۳۰ درصد برای اعتبار سنجی به صورت تصادفی آماده شد تا دقت و صداقت مدل مورد ارزیابی قرار بگیرد. نتایج نشان داد نقشه میانگین حاصل از مدل جنگل تصادفی در مرحله اعتبارسنجی با مساحت زیر منحنی ۹۶ درصد و صداقت ۰۰۱/۰ کارایی بهتری نسبت به مدل ماشین بردار پشتیبان در پهنه بندی سیلاب در حوضه مورد مطالعه دارد .

کلیدواژه ها:

استان گلستان ، جنگل تصادفی ، سیل ، صداقت مدل ، مدل ماشین بردار پشتیبان

نویسندگان

محمد رضا طهماسبی

دانشجوی دکتری، گروه مهندسی آب، دانشکده کشاورزی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.

سعید شعبانلو

دانشیار، گروه مهندسی آب، دانشکده کشاورزی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.

احمد رجبی

استادیار، گروه مهندسی آب، دانشکده کشاورزی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

فریبرز یوسفوند

استادیار، گروه مهندسی آب، دانشکده کشاورزی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abdi, P. (۲۰۰۶). Investigation of flood potential of Zanjan River ...
  • Albers, S. J., Déry, S. J., & Petticrew, E. L. ...
  • Angileri, S.E., Conoscenti, C., Hochschild, V., Märker, M., Rotigliano, E., ...
  • Bui, D.T., Khosravi, K., Shahabi, H., Daggupati, P., Adamowski, J.F., ...
  • Chen, W., Li, Y., Xue, W., Shahabi, H., Li, S., ...
  • Conoscenti, C., Angileri, S., Cappadonia, C., Rotigliano, E., Agnesi, V., ...
  • Dickie, J.A., & Parsons, A.J. (۲۰۱۲). Eco‐geomorphological processes within grasslands, ...
  • Daoud, J.I. (۲۰۱۷). Multicollinearity and regression analysis. J. Phy, Conference ...
  • Felicĺsimo, Á., Cuartero, A., Remondo, J., & Quirόs, E. (۲۰۱۳). ...
  • Gayen, A., Pourghasemi, H.R., Saha, S., Keesstra, S., & Bai, ...
  • Guzzetti, F., Cardinali, M., Reichenbach, P., & Carrara, A. (۲۰۰۰). ...
  • Glenn, E., Morino, K., Nagler, P., Murray, R., Pearlstein, S., ...
  • Hall, A. J. (۱۹۸۱). Flash flood forecasting. World Meteorological Organization ...
  • Hosmer, D. W., & Lemeshow, S. (۲۰۰۰). Multiple Logistic Regression. ...
  • Jafarian, Z., & Kargar, M. (۲۰۱۷). Comparison of Random Forest ...
  • Kheyrizadeh, M., J. Maleki and H. Amounia. ۲۰۱۲. Flood hazard ...
  • Lee, S., & Pradhan, B. (۲۰۰۷). Landslide hazard mapping at ...
  • Marmion, M., Hjort, J., Thuiller, W., & Luoto, M. (۲۰۰۸). ...
  • Nouri Boroujerdi, P., & Eskandi, V. (۲۰۰۹) Introduction to Quantitative ...
  • Pourghasemi, H.R., Jirandeh, A.G., Pradhan, B., Xu, C., & Gokceoglu, ...
  • Pourtaghi, Z.S., & Pourghasemi, H.R. (۲۰۱۴). GIS-based groundwater spring potential ...
  • Rahmati, O., Pourghasemi, H. R., & Zeinivand, H. (۲۰۱۵). Flood ...
  • Rahmati, O., Pourghasemi, H. R., & Melesse, A. M. (۲۰۱۶b). ...
  • Rahmati, O., & Pourghasemi, H. R. (۲۰۱۷). Identification of critical ...
  • Servati, M.R., Ghahrodi Tali, M., Golkarami, A., & Njafi, E. ...
  • Tehrany, M.S., Pradhan, B., Mansor, S., & Ahmad, N. (۲۰۱۵). ...
  • Vapnik, V. (۱۹۹۵). The Nature of Statistical Learning Theory. New ...
  • Wilson, J.P., & Gallant, J.C. (Eds). (۲۰۰۰). Terrain analysis: principles ...
  • Walter, S.D. (۲۰۰۲). Properties of the summary receiver operating characteristic ...
  • Wang, L. (۲۰۰۵). Support Vector Machines: Theory and Applications. New ...
  • Woznicki, S.A., Baynes, J., Panlasigui, S., Mehaffey, M., & Neale, ...
  • Yalcin, A. (۲۰۰۸). GIS-based landslide susceptibility mapping using analytical hierarchy ...
  • نمایش کامل مراجع