ارزیابی مدل های هوش مصنوعی مبتنی بر درخت به منظور پیش بینی خطر سیل در بستر GIS

سیل یکی از مخرب ترین انواع بلایای طبیعی است که هر ساله باعث از دست رفتن جان و مال انسان ها در سراسر جهان می شود. هدف از تحقیق حاضر ارزیابی و مقایسه قابلیت سه مدل یادگیری ماشین یعنی درخت بیز ساده (‏NBTree)‏، درخت تصمیم متناوب (ADTree) و جنگل تصادفی (‏RF) ‏برای پیش بینی خطر وقوع سیل در شهرستان مانه و سملقان می باشد. نوآوری تحقیق حاضر ارایه مدل های ترکیبی مبتنی بر درخت می باشد که کمتر در تحقیقات پیشین مورد استفاده قرار گرفته اند. برای تهیه نقشه مرجع سیل در منطقه موردمطالعه، 300 موقعیت مستعد سیل شناسایی شدند و از طریق انتخاب تصادفی با نسبت 70 به 30 به مجموعه داده های آموزشی و اعتبارسنجی تقسیم شدند. پایگاه داده مکانی سیل با استفاده از 15 معیار هیدروژیولوژیکی و محیطی موثر بر سیل ایجاد شد. در نهایت، نقشه های پیش بینی خطر سیل با استفاده از مدل های NBTree، ADTree و RF تهیه شدند. به منظور اعتبار سنجی مدل های پیش بینی خطر سیل، معیار سطح زیر منحنی (‏AUC)‏ و معیارهای آماری نرخ پیش بینی مثبت، نرخ پیش بینی منفی، حساسیت، ویژگی و دقت مورد استفاده قرار گرفتند. نتایج نشان داد که مدل RF دقت بالاتری نسبت به مدل های NBTree و ADTree در پیش بینی خطر سیل منطقه موردمطالعه دارد. ​همچنین، نتایج نشان داد که احتمال وقوع خطر سیل در مناطق مرکزی منطقه موردمطالعه به دلیل ارتفاع و شیب کمتر، بیشتر از سایر مناطق است.