هدف از پژوهش حاضر، پهنهبندی احتمال وقوع سیلاب در حوزه آبخیز گرگانرود واقع در استان گلستان با استفاده از مدلهای یادگیری ماشین است. پهنهبندی دقیق مناطق پرخطر سیلاب با روشهای نوینی همچون یادگیری ماشین، میتواند به مدیریت بهینه ریسک و کاهش خسارات ناشی از سیل کمک شایانی نماید. بدین منظور، دو مدل شناختهشده و پرکاربرد جنگل تصادفی و بیشینه آنتروپی به عنوان روشهای بنچمارک با قابلیت محاسباتی بالا برای ارزیابی فرآیند وقوع سیلاب انتخاب شدند. نقشه پراکنش سیلاب با استفاده از بازدیدهای میدانی، گزارشهای سازمانی و ثبت 127 نقطه وقوع سیل در سامانه اطلاعات جغرافیایی تهیه شد. همچنین بر اساس مرور جامع منابع، تعداد 19 عامل محیطی مؤثر شامل فاصله از آبراهه، سنگشناسی، درصد شیب، بافت خاک، جهت شیب، کاربری اراضی، انحنای طولی و عرضی دامنه، شاخص رطوبت توپوگرافی، شاخص قدرت جریان، تراکم زهکشی، بارندگی سالانه و طبقات ارتفاعی انتخاب و لایههای اطلاعاتی مربوطه در سامانه اطلاعات جغرافیایی آماده شدند. به منظور ارزیابی دقت و پایداری مدلها، سه مجموعه داده متفاوت از نقاط وقوع سیلS1)، S2، (S3شامل 70 درصد نقاط برای آموزش و 30 درصد برای اعتبارسنجی به صورت تصادفی تهیه شد. ارزیابی نتایج مدلها با استفاده از سطح زیر منحنی مشخصه عملکرد نسبی انجام شد. نتایج این پژوهش نشان داد که نقشه میانگین حاصل از مدل جنگل تصادفی در مرحله اعتبارسنجی با سطح زیر منحنی 96 درصد و مقدار پایداری 001/0، از کارایی عالی در پهنهبندی سیلاب حوضه مورد مطالعه برخوردار است. در مقابل، مدل بیشینه آنتروپی دقت 94 درصد و پایداری 008/0 را نشان داد. همچنین تحلیل درجه اهمیت متغیرها نشان داد که عوامل فاصله از جریان (حدود 49 درصد اهمیت) و تراکم زهکشی (حدود 15 درصد اهمیت) به عنوان مهمترین عوامل محیطی مؤثر بر سیلگیری منطقه مورد مطالعه شناسایی شدند. به طور کلی، مدل جنگل تصادفی به دلیل دقت بالاتر و پایداری بیشتر، به عنوان مدل برتر در پهنهبندی سیلاب حوضه آبخیز گرگانرود معرفی میشود.
