سیل یکی از مخرب‌ترین پدیده‌های طبیعی است که در سراسر جهان رخ می‌دهد و منجر به آسیب به اموال و زیرساخت‌ها و یا حتی تلفات جانی می‌شود. این پژوهش باهدف تهیه نقشه پهنهبندی پتانسیل سیلخیزی در حوزه آبخیز شهرستانک شهرستان خوسف با استفاده از الگوریتم‌های یادگیری ماشینی، انجام گرفته است. در این تحقیق برای تعیین مناطق دارای پتانسیل خطر سیل در منطقه مورد مطالعه از 8 پارامتر تأثیرگذار و روشهای جنگل تصادفی، مدل درخت رگرسیونی پیشرفته و ماشین بردار پشتیبان استفاده شده است. در این راستا 81 مورد مخاطره منطقه سیلخیز ثبت شد. بهطور تصادفی 70 درصد برای فرآیند مدل‌سازی و 30 درصد برای ارزیابی مدلهای تهیه شده تقسیمبندی شد.نتایج اهمیت پارامترها نشان داد پارامتر تراکم زهکشی بیشترین تأثیر را در سیلخیزی داشته است. علاوه بر این در تعیین مناطق حساس به وقوع سیل، مدل جنگل تصادفی، درخت رگرسیون پیشرفته و ماشین بردار پشتیبان به ترتیب با منحنی تشخیص عملکرد نسبی (ROC) 0/99، 098 و 0/95 دارای دقت بالاتری هستند. منطقه مورد مطالعه از نظر حساسیت سیلخیزی به چهار طبقه (خیلی زیاد، زیاد، متوسط و کم) تقسیم شد. به‌صورت کلی، حوزه از نظر سیلخیزی متوسط به بالا است.
Chezgi J, Poyan S. Determining Flood-Prone Areas Using Machine Learning Models in the Shahrestank Watershed Area of Khosef City. jwmseir 2024; 17 (63) : 4 URL: http://jwmsei.ir/article-1-1127-fa.html
چزگی جواد، پویان سهیلا. تعیین مناطق مستعد سیلخیزی با استفاده از مدلهای یادگیری ماشین در حوزه آبخیز شهرستانک شهرستان خوسف. مجله علوم ومهندسی آبخیزداری ایران. 1402; 17 (63) :38-50
به اطلاع کلیه نویسندگان ، محققین و داوران محترم می رساند:با عنایت به تصمیم هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.
