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.