بررسی الگوریتم های مختلف انتخاب ویژگی در ارزیابی خطر سیل با استفاده از روشهای یادگیری ماشین

ارزیابی خطر فرآیندی است برای ارزیابی خطر احتمالی سیل در یک منطقه خاص. ارزیابی معمولا شامل تجزیه وتحلیل مولفه های خطر سیل است . سنجش ازدور به واسطه ی فراهم کردن داده و اطلاعات گسترده از مناطق مختلف ، تاثیر قابل ملاحظه ای در انجام بسیاری از تحقیقات به ویژه تحقیق دربارهی سیل داشته است . ارزیابی خطر سیل می تواند به شناسایی نقاط مهم کمک کند و راه را برای استراتژی های هدفمند جهت کاهش خطر هموار کند. هدف این تحقیق این است که میزان اهمیت و وزن هرکدام از شاخص های موثر انتخابشده، با استفاده از الگوریتم های یادگیری ماشین محاسبه گردد و بر اساس این درجه اهمیت ، نقشه خطر سیل تولید شود. در این روش برای بررسی خطر سیل ، آموزش و اعتبارسنجی مدل از طریق نقشه ی سیل استخراجشده از مناطق سیل زده انجام می شود و به این طریق علاوه بر آموزش مدل، نتیجه ی خروجی مدل تولیدشده ارزیابی می شود. درنتیجه ، این مطالعه نقش مهم و حیاتی سنجش ازدور در ارزیابی و مدیریت خطر سیل را نشان می دهد. یافته ها بر اهمیت سنجش ازدور به عنوان ابزاری ارزشمند برای افزایش انعطافپذیری و آمادگی در برابر سیل ، که درنهایت به حفاظت از جان و اموال در مناطق مستعد و آسیب پذیر سیل کمک می کند، تاکید می کند. بررسی ها نشان داد پارامتر کاپا در نقشه ی حاصل از ویژگی های منتخب به روشهای جنگل تصادفی ، Information Gain و Lasso به ترتیب برابر است با ۹۳/۰، ۹/۰ و ۸۴/۰ که باتوجه به این مقادیر بهترین نتیجه مربوط به ویژگی های منتخب به روش جنگل تصادفی است .

کلیدواژه ها:

خطر سیل ، سنجش ازدور ، یادگیری ماشین ، انتخاب ویژگی