تحلیل ارزیابی حساسیت به سیل با استفاده از جنگل تصادفی و شبکه عصبی مصنوعی: مطالعه موردی استان ایلام

سیل یکی از مخاطرات طبیعی فاجعه بار در سراسر جهان است که به راحتی می تواند اثرات مخربی بر جان و دارایی انسان ها داشته باشد. رویدادهای مکرر این خطر، توسعه نقشه های دقیق خطر سیل را برای اطلاع رسانی بهتر و آمادگی در برابر بلایا و کاهش آن ضروری می سازد. کار تحقیقاتی پیشنهادی جهت تجزیه و تحلیل ارزیابی حساسیت سیل در یک محیط کوهستانی است بنابراین، این مطالعه با هدف بکارگیری مدل های یادگیری ماشین (MLM) و تکنیک های سیستم های اطلاعات جغرافیایی (GIS) برای پیش بینی مناطق خطر سیل در استان ایلام است. دو الگوریتم ML برای نقشه برداری حساسیت سیل استان ایلام استفاده شد: جنگل های تصادفی (RF) و شبکه عصبی مصنوعی (ANN). شانزده پارامتر پیوسته و متغیرهای طبقه بندی شده مختلف را برای ارزیابی همبستگی بین این متغیرها و حوادث سیل در منطقه مورد مطالعه شناسایی و به عنوان ورودی برای اجرای دو مدل استفاده شدند. در مجموع ۱۰۴۲ نقطه سیل و غیرسیل تصادفی انتخاب شدند که ۷۰% و ۳۰% به عنوان مجموعه داده های آموزشی و اعتبار سنجی استفاده شدند. همچنین نتایج نرخ خطای الگوریتم های پیشنهادی در نظر گرفته شد، به وضوح نشان داد که در مدل RF ، MAE که برابر با ۰۸۸۹/۰و RMSE برابر با ۱۸۷۲/۰ دارای کمترین مقدار،  R۲  که برابر ۸۴۲۳/۰بیشترین مقدار که در مقایسه با مدلANN عملکرد بهتری داشت. ارزش تحقیق در این واقعیت نهفته است که مدل های پیشنهادی می تواند برای ارزیابی بلایای طبیعی مانند زلزله، رانش زمین و غیره نیز مورد استفاده قرار گیرد. علاوه بر این، این کار کمک قابل توجهی به تلاش برای کاهش خطر بلایای طبیعی می کند. بنابراین، این امر به افزایش پایداری محیطی کمک خواهد کرد.

کلیدواژه ها:

یادگیری ماشین ، نقشه حساسیت سیل ، جنگل تصادفی ، شبکه عصبی مصنوعی ، استان ایلام