تجزیه و تحلیل خطر سیل گیری با استفاده از روش یادگیری ماشین جنگل تصادفی (مطالعه موردی: شهر مشهد)
سیل از رایج ترین بلایای طبیعی است و خسارت های مالی و جانی فراوانی به جای میگذارد. اگرچه میزان بارندگی در بسیاری از مناطق ایران کم است، در بسیاری از مناطق، بیشترین میزان بارندگی سالانه تنها در یک روز یا مدت کوتاهی رخ میدهد که منجر به سیل میشود. آب روان در جریان سیل به دلیل ساختار زمین شناسی و همچنین، تخریب اکوسیستم میتواند بسیار آلوده باشد و اغلب گل و لای زیادی به همراه دارد که بر خسارت های سیل میافزاید. برای کاهش خسار ت های احتمالی سیل، برنامهریزان و تصمیمگیرندگان باید از زمان و مکان وقوع سیل آگاه باشند. این امر مستلزم استفاده از روشهای جدید پیشبینی سیل و جلوگیری از خسارتهای آن است. در این مطالعه، از روش یادگیری ماشین درخت تصادفی یا Random Forest (RF) برای پیش بینی مکان وقوع سیل در شهر مشهد استفاده شد و عملکرد آن مورد بررسی قرار گرفت. همچنین تاثیر هر یک از عوامل ارتفاع و شیب متوسط حوضه، جهت شیب، شاخص رطوبت توپوگرافی، شاخص خشکسالی، فاصله از آبراههها، زمینشناسی، کاربری اراضی، تراکم آبراههها، آبراههها و میزان بارش حداکثر متوسط سالانه در این پیشبینی مورد بررسی قرار گرفت. نتایج ارزیابی خروجی مدل RF نشان داد مقدار AUC95 درصد است. به طور کلی، نتایج نشان داد مدل RF دارای دقت زیادی در تعیین مناطق حساس به وقوع سیل در حوضه شهر مشهد است.
- 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.