هدف از این تحقیق تعیین مناطق دارای حساسیت سیلخیزی با استفاده از روشهای CART, RF و BRT میباشد. 12 عامل موثر بر پتانسیل سیل شامل ارتفاع، شیب، جهت شیب، فاصله از آبراهه، سنگشناسی، بارندگی، کاربری اراضی، SPI، TPI، TWI، انحناء توپوگرافی و RSP انتخاب شدند. از مجموع 82 نقطه سیل، به صورت تصادفی و نسبت 70 به 30 درصد به عنوان دادههای آزمون و اعتبارسنجی طبقهبندی شدند. همچنین جهت تعیین مهمترین پارامترها از روش جنگل تصادفی استفاده شد. از منحنی ROC نیز جهت قدرت پیشبینی مدل استفاده شد. بر اساس روش جنگل تصادفی لایههای ارتفاع، فاصله از آبراهه، بارندگی، کاربری اراضی و RSP به ترتیب مهمترین عوامل موثر بر حساسیت و احتمال وقوع سیل بودند. بر اساس نمودار ROC میزان دقت مدل RF به عنوان مدل برتر، هم در بخش آموزش (884/0) و هم اعتبارسنجی (856/0) خیلی خوب بوده است. بر اساس نقشه نهایی حساسیت سیل 7/32 درصد از پهنه حوزه مورد مطالعه دارای حساسیت سیل متوسط رو به بالا میباشد. نتایج نشان داد که با توجه به دقت عالی نقشه توزیع مکانی حساسیت سیل، نتایج این پژوهش میتواند مورد استفاده تصمیمگیران، مدیران محلی و مسئولان به منظور کاهش خسارات قرار گیرد.
Teimoori M, Vakili tajareh F, Mozayyan M, Ramezani M. Comparison of Machine Learning Models in Flood Susceptibility Zoning in Karaj
Dam Basin. jwmseir 2023; 17 (61) :30-40 URL: http://jwmsei.ir/article-1-1134-fa.html
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.