ارزیابی کارایی مدل های یادگیری ماشین در تهیه نقشه احتمال خطر سیل

    سیل یکی از مخرب­ترین بلایای طبیعی است که هر ساله باعث تلفات مالی و جانی می­شود. بنابراین تولید نقشه حساسیت برای مدیریت سیل و کاهش اثرات زیانبار آن ضروری است. پژوهش حاضر به منظور تهیه نقشه حساسیت به وقوع سیل با استفاده از مدل­ های داده‎کاوی شامل جنگل تصادفی (Random Forest) و ماشین گرادیان تقویتی (Gradient Boosting Machine) انجام گرفت. ابتدا ۲۷۵ موقعیت مکانی سیل و ۲۷۵ موقعیت مکانی غیرسیل در حوضه کمیجان استان مرکزی شناسایی شد. موقعیت­ های مکانی سیل­ گیر به صورت تصادفی به ۷۰ درصد (۱۹۰ موقعیت) و۳۰ درصد (۸۲ موقعیت) به ترتیب برای مدلسازی و اعتبارسنجی تقسیم گردید. سپس ۱۲ فاکتور موثر بر وقوع سیل که شامل، شیب، جهت، ارتفاع، بارندگی، کاربری اراضی، فاصله از رودخانه، تراکم زهکشی، شکل شیب، انحنای شیب، سنگ شناسی، خاک و شاخص قدرت جریان می باشند، تعیین شدند. برای ارزیابی مدل­های به کار رفته منحنی ROC مورد استفاده قرار گرفت. نتایج نشان داد که در مرحله اعتبارسنجی، سطح زیر منحنی برای مدل­های RF و GBM به ترتیب ۸۳/۰ و ۷۵/۰ درصد بوده است که نشان­دهنده صحت بیشتر مدل RF در تهیه نقشه حساسیت به وقوع سیل می­باشد. مهم­ترین فاکتورهای موثر در سیل در حوزه آبخیز کمیجان به ترتیب بارندگی، فاصله از رودخانه و ارتفاع می­ باشند.

کلیدواژه های ارزیابی کارایی مدل های یادگیری ماشین در تهیه نقشه احتمال خطر سیل:

Data mining models ، Flood zoning ، GBM ، Komijan watershed ، Random forest ، پهنه بندی سیلاب ، جنگل تصادفی ، مدل های داده کاوی ، منطقه کمیجان ، GBM