ارزیابی کارایی مدل های یادگیری ماشین در تهیه نقشه احتمال خطر سیل
سیل یکی از مخرب ترین بلایای طبیعی است که هر ساله باعث تلفات مالی و جانی می شود. بنابراین تولید نقشه حساسیت برای مدیریت سیل و کاهش اثرات زیانبار آن ضروری است. پژوهش حاضر به منظور تهیه نقشه حساسیت به وقوع سیل با استفاده از مدل های دادهکاوی شامل جنگل تصادفی (Random Forest) و ماشین گرادیان تقویتی (Gradient Boosting Machine) انجام گرفت. ابتدا 275 موقعیت مکانی سیل و 275 موقعیت مکانی غیرسیل در حوضه کمیجان استان مرکزی شناسایی شد. موقعیت های مکانی سیل گیر به صورت تصادفی به 70 درصد (190 موقعیت) و30 درصد (82 موقعیت) به ترتیب برای مدلسازی و اعتبارسنجی تقسیم گردید. سپس 12 فاکتور موثر بر وقوع سیل که شامل، شیب، جهت، ارتفاع، بارندگی، کاربری اراضی، فاصله از رودخانه، تراکم زهکشی، شکل شیب، انحنای شیب، سنگ شناسی، خاک و شاخص قدرت جریان می باشند، تعیین شدند. برای ارزیابی مدل های به کار رفته منحنی ROC مورد استفاده قرار گرفت. نتایج نشان داد که در مرحله اعتبارسنجی، سطح زیر منحنی برای مدل های RF و GBM به ترتیب 83/0 و 75/0 درصد بوده است که نشان دهنده صحت بیشتر مدل RF در تهیه نقشه حساسیت به وقوع سیل می باشد. مهم ترین فاکتورهای موثر در سیل در حوزه آبخیز کمیجان به ترتیب بارندگی، فاصله از رودخانه و ارتفاع می باشند.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.