پیشبینی مناطق مستعد وقوع سیل با استفاده از مدلهای پیشرفته یادگیری ماشین ( دشت بیرجند) | ||
| مدیریت آب و آبیاری | ||
| دوره 11، شماره 4، زمستان 1400، صفحه 885-904 اصل مقاله (3.3 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jwim.2022.332875.934 | ||
| نویسندگان | ||
| سید احمد اسلامی نژاد1؛ مبین افتخاری2؛ محمد اکبری* 3؛ علی حاجی الیاسی4؛ هادی فرهادیان5 | ||
| 1دانشآموخته کارشناسی ارشد، گروه مهندسی نقشهبرداری، دانشکده مهندسی نقشهبرداری و اطلاعات مکانی، دانشگاه تهران، تهران، ایران. | ||
| 2کارشناس ارشد مهندسی عمران آب و سازههای هیدرولیکی، عضو باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران. | ||
| 3دانشیار، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه بیرجند، بیرجند، ایران. | ||
| 4دانشآموخته کارشناسی ارشد، گروه آب و سازههای هیدرولیکی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران. | ||
| 5استادیار، گروه معدن، دانشکده مهندسی، دانشگاه بیرجند، بیرجند، ایران. | ||
| چکیده | ||
| تحقیقات در مورد مدلهای پیشبینی سیل، یکی از اقدامات اولیه در کاهش خسارت سیل و مدیریت سیلهای آینده در حوضههای آبریز است. هدف از مطالعه حاضر، ارزیابی حساسیت سیل در حوضه آبریز دشت بیرجند از طریق چهار مدل یادگیری ماشین شامل ماشین بردار پشتیبان (SVM)، درخت تصمیم J48، جنگل تصادفی (RF) و سیستم استنتاج عصبی فازی (ANFIS) است. لذا جهت پیادهسازی و اعتبارسنجی مدلهای ذکر شده، فهرستی از مناطق مستعد سیل در منطقه مورد مطالعه تهیه شد (42 موقعیت سیلخیز). علاوه بر این، 19 معیار هیدروژئولوژیکی، توپوگرافی، زمینشناسی و محیطی مؤثر بر وقوع سیل در منطقه مورمطالعه استخراج شدند تا برای پیشبینی نقشه حساسیت سیل مورد استفاده قرار گیرند. نتایج نشان داد که بالاترین دقت مربوط به مدل RF (845/0) و کمترین دقت مربوط به مدل SVM (791/0) بود. علاوه بر این، اعتبارسنجی نتایج با استفاده از منحنی ROC نشان داد که دقیقترین مقادیر حساسیت سیل نیز به مدل RF اختصاص دارد (958/0AUC=). نتایج این مطالعه میتواند به منظور مدیریت مناطق آسیبپذیر و کاهش خسارات سیل استفاده گردد. | ||
| کلیدواژهها | ||
| حساسیت سیل؛ دشت بیرجند؛ سیستم اطلاعات مکانی (GIS)؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,928 تعداد دریافت فایل اصل مقاله: 1,071 |
||