|
ارزیابی الگوریتم‌های ماشین یادگیرنده (RF و SVM) در تولید نقشه حساسیت سیلاب حوزه آبخیز مارون
|
محمد امین کیانی اصل   ، بهزاد متشفع* ، سید حسین روشان |
|
|
|
چکیده: (1334 مشاهده) |
عوامل متعدد اقلیمی، هیدرولوژیکی، ژئومورفولوژیکی و زمین‌شناسی در وقوع سیلاب نقش دارند. تجزیه و تحلیل سیلاب، مدیریت و کنترل آن می‌تواند با تهیه نقشه‌های پتانسیل سیل‌خیزی انجام شود. هدف این پژوهش تهیه نقشه پتانسیل سیل‌خیزی حوضه مارون با استفاده از روش‌های یادگیری ماشین جنگل تصادفی و ماشین بردار پشتیبان می‌باشد. به این منظور 16 پارامتر مؤثر در وقوع سیلاب شامل طبقات ارتفاعی، مقدار و جهت شیب، انحنای زمین، سازندهای زمین‌شناسی، کاربری اراضی، شماره منحنی، بارندگی، درجه حرارت، شاخص قدرت جریان (SPI)، شاخص رطوبت توپوگرافی (TWI)، فاصله از آبراهه، تراکم آبراهه، فاصله از جاده، تراکم جاده و شاخص پوشش گیاهی NDVI در نظر گرفته شد. پارامترهای مذکور در محیط نرم‌افزارهای ArcGIS 10.8، ENVI 5.3 و SAGA GIS 7.2 تهیه شدند سپس به فرمت خوانا برای محیط نرم‌افزار R به منظور اجرای مدل ماشین بردار پشتیبان و جنگل تصادفی تبدیل شدند. در نهایت با استفاده از بسته SDM مدل‌های RF و SVM اجرا شدند و با استفاده از منحنی تشخیص عملکرد نسبی(ROC) مورد ارزیابی قرار گرفتند. نتایج نشان داد که مدل‌های RF و SVM بترتیب با دقت 997/0 و 947/0 درصد نقشه سیل‌خیزی حوضه مارون را پیش‌بینی کردند.
|
|
| واژه‌های کلیدی: جنگل تصادفی، حوضه مارون، ماشین بردار پشتیبان، مدیریت سیلاب، وقوع سیلاب. |
|
|
متن کامل [PDF 1891 kb]
(382 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1402/7/2 | پذیرش: 1402/6/20 | انتشار: 1402/6/20
|
|
|
|
|
|
