ناحیه بندی مناطق مستعد سیلاب توسط الگوریتم ماشین بردار پشتیبان بهینه سازی شده

در این مطالعه تولید نقشه های مناطق مستعد سیل با بهینه سازی مدل ماشین بردار پشتیبان (SVM) با استفاده از الگوریتم های بهینه سازی فراابتکاری ازدحام ذرات (PSO)، ژنتیک (GA) و کلونی مورچگان (ACO) در حوضه آبریز زاهدان صورت گرفته است. برای تعیین بهترین فاکتورهای تاثیرگذار بر سیل، از بین 19 فاکتور مورداستفاده در مطالعات قبلی و اهمیت نسبی متغیرهای ورودی از دو آزمایش روش نسبت کسب اطلاعات (IGR) و آزمایش چندخطی بودن پارامترها استفاده شد.  فاکتور میزان محتوای آب در خاک که جزو عوامل موثر با ضریب IGR=0.767 است، برای اولین بار در این مطالعه به صورت مستقیم در مدل سازی مورداستفاده قرار گرفت. نقشه مشخصه سیل از روی پردازش داده های ماهواره Sentinel-1 تهیه و اعتبارسنجی شد. از مجموعه داده های تولید شده برای تولید نقشه های مناطق مستعد سیل با استفاده از مدل SVM بهینه سازی شده با الگوریتم های مذکور استفاده شد که برای اولین بار، در این تحقیق از الگوریتم ACO برای بهینه سازی مدل SVM در تولید نقشه های مناطق مستعد سیل استفاده شد. دقت پیش بینی مدل ها با استفاده از معیارهای آماری بررسی گردید. هر سه الگوریتم مورداستفاده در این مطالعه، عملکرد SVM را به ‏طور متوسط 4 درصد بهبود بخشیدند درحالی که مدل PSO-SVM بهترین عملکرد را با RMSE=0.158، MSE=0.025، AUC=0.953 و StD=0.405 در میان الگوریتم های دیگر به نمایش گذاشت؛ همچنین مشخص شد تقریبا نیمی از منطقه شهری زاهدان در مناطق خطر متوسط تا بسیار زیاد قرار دارند.