کاربرد الگوریتم های یادگیری ماشین در مدیریت خطر سیلاب با تاکید بر سکونتگاه های روستایی گردشگرپذیر (مطالعه موردی: منطقه نمونه گردشگری بیستون، استان کرمانشاه)

با توجه به حضور گردشگران در فضاهای گردشگرپذیر، وقوع مخاطرات محیطی در این فضاها می تواند نسبت به دیگر مناطق، آسیب ها و خسارات زیست محیطی، جانی و مالی بیشتری را به همراه داشته باشد. از این رو هدف پژوهش کاربردی حاضر، پهنه بندی خطر سیل و شناسایی روستاهای در معرض خطر سیل است که به صورت مطالعه موردی در منطقه نمونه گردشگری بیستون (شامل ۶۰ روستا) انجام گرفته است. در راستای دستیابی به هدف اصلی پژوهش از ۱۳ معیار و دو الگوریتم Cart و Simple RF استفاده شده است. نتایج الگوریتم Cart نشان داد ۵/۳۹ درصد از مساحت و ۸۰ درصد از روستاها، در پهنه های خطر زیاد و بسیار زیاد قرار گرفته است. نتایج الگوریتم Simple RF نشان داد ۱/۳۶ درصد از مساحت و ۷۵ درصد از روستاها در پهنه های خطر زیاد و بسیار زیاد قرار گرفته اند. مقایسه پهنه بندی ها نشانگر شباهت زیاد نتایج آن ها است با این تفاوت که الگوریتم Cart در شناسایی محدوده های پر خطر تاحدی سختگیرانه تر عمل کرده است. با این تفاوت که الگوریتم Cart در شناسایی محدوده های پر خطر تاحدی سختگیرانه تر عمل کرده است. نتایج صحت سنجی عملکرد الگوریتم ها نشان داد علی رغم دقت بالای دو الگوریتم، الگوریتم Simple RF دقت بیشتری را نسبت به الگوریتم Cart داشته است.

کلیدواژه ها:

مدیریت خطر سیلاب ، یادگیری ماشین ، جنگل تصادفی ، درخت تصمیم ، سکونتگاه های گردشگرپذیر