استفاده از گزارش شهروندان در پیش بینی سیلاب شهری با رویکرد یادگیری ماشین و داده تاریخی بارش (مطالعه مورد: شهر قم)

پژوهش حاضر با هدف توسعه روشی علمی و کاربردی برای پیش بینی سیلاب های شهری، از گزارش های مردمی و داده های ماهواره ای بارش بهره گرفته است. محدوده شهر با استفاده از یک شبکه مربعی با فواصل ۳۰۰۰ متر تقسیم و نقاط برخورد خطوط شبکه به عنوان ایستگاه برداشت بارندگی انتخاب شدند. روزهای تر، خشک و عادی براساس گزارش های شهروندان و مشاهده بارش، دسته بندی گردیده و مدل های یادگیری ماشی شامل ماشین بردار پشتیبان، رگرسیون لجستیکی و جنگل تصادفی آموزش داده شدند. نتایج نشان داد که مدل جنگل تصادفی با دقت ۹۸ درصد و امتیاز F۱، ۶۶ درصد در شناسایی رویدادهای سیلاب، برترین مدل می باشد. با توجه به اقلیم نیمه بیابانی منطقه موردمطالعه (شهر قم) و خسارت های غیرجانی سیلاب، تاکید ارزیابی مدل ها بر دقت در شناسایی درست موارد سیلاب جهت افزایش اطمینان و عدم ایجاد تشویش در جامعه به دلیل هشدارهای نادرست است. براساس تحلیل مهم ترین ویژگی ها، ایستگاه های ۱ و ۲۳ به عنوان مکان های کلیدی برای نصب تجهیزات بارش شناخته شدند. سپس، نمودار آستانه بارش بحرانی برای پیش بینی وقوع سیلاب ترسیم شد و در اعتبارسنجی با داده های واقعی، آستانه بحرانی سیلاب با سطح احتمال ۹۰ درصد روشی قابل درک برای پیش بینی سیلاب شناخته شد. بارش های بالای آستانه منجر به وقوع سیلاب شهری شده، درحالی که مقادیر پایین نمودار موارد بی خطر محسوب می شوند. این رویکرد، ابزار موثری در سیستم های هشدار سریع است و می تواند در مدیریت بحران شهری، از خسارت های مالی و جانی جلوگیری کند.

کلیدواژه ها:

بارندگی ، گزارش های شهروندان ، شهر قم ، سیلاب شهری و یادگیری ماشین