تعیین پتانسیل سیل با استفاده از مدل های یادگیری ماشین CART، GLM و GAM (مطالعه موردی: حوضه کشکان)
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 441
This Paper With 22 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_WATER-12-4_005
Index date: 26 June 2022
تعیین پتانسیل سیل با استفاده از مدل های یادگیری ماشین CART، GLM و GAM (مطالعه موردی: حوضه کشکان) abstract
سیل پدیده ای است که موجب آسیب های زیستمحیطی و اقتصادی-اجتماعی بسیاری می شود. هدف از این پژوهش، ارزیابی کارایی مدل های یادگیری ماشین CART، GLM و GAM در شناسایی مناطق حساس به خطر سیلاب در حوضه کشکان است. استان لرستان و بهویژه حوضه کشکان شامل: سلسله، دلفان، دوره، خرمآباد، پلدختر و کوهدشت، سیلخیز است و دفعات بسیاری دچار خسارات ناشی از سیل شده است و در فروردین ۱۳۹۸، بزرگ ترین سیل ۲۰۰ سال اخیر را تجربه کرده است؛ در همین راستا از عوامل مختلف شامل: ارتفاع، جهت شیب، انحنای زمین، درصد شیب، فاصله از رودخانه، تراکم زهکشی، خاک، سنگشناسی، کاربری اراضی و شاخص رطوبت توپوگرافی استفاده شد. نقشه رقومی تمام عوامل نامبرده در نرمافزار ArcGIS۱۰.۵ و در قالب پایگاه داده تهیه شد. موقعیت ۱۲۳ واقعه سیل ثبتشده در سالهای اخیر در این حوضه، جمعآوری و به صورت تصادفی در دو دسته آموزش مدل (۸۶ واقعه) و اعتبارسنجی مدل (۳۷ واقعه) در مدل سازی ها استفاده شد. با استفاده از مدل های یادگیری ماشین و عوامل موثر محیطی، نقشه های پیشبینی پتانسیل سیل تهیه شدند و سپس با استفاده از روش های منحنی مشخصه AUC و شاخص TSS اعتبارسنجی شدند. نتایج حاصل از اعتبارسنجی مدل ها نشان داد که مدل یادگیری ماشین CART با ۹۱/۰AUC= و شاخص ۸۸/۰TSS= دقیق ترین مدل در پیش بینی پتانسیل خطر سیل بوده و پس از آن مدل GAM با ۸۷/۰AUC= و شاخص ۸۴/۰ TSS=و مدل GLM با ۸۳/۰AUC= و شاخص ۸۸/۰ TSS=قرار دارند. دقت ۹۱/۰ مدل CART نشاندهنده دقت عالی این مدل برای حوضه کشکان است. این مدل، مساحت بیشتری از حوضه را تحت شرایط پتانسیل بالا و متوسط خطر سیلگیری نشان میدهد که اغلب مناطق غربی و همچنین مناطق مرکزی حوضه (کوهدشت، خرمآباد و پلدختر) را شامل میشوند که دقیقا بخشهایی از همین مناطق در سیل بزرگ سال ۹۸ هم زیر آب رفتند و لازم است در اولویت اول برنامه ریزی و مدیریت ریسک سیل قرار گیرند.
تعیین پتانسیل سیل با استفاده از مدل های یادگیری ماشین CART، GLM و GAM (مطالعه موردی: حوضه کشکان) Keywords:
تعیین پتانسیل سیل با استفاده از مدل های یادگیری ماشین CART، GLM و GAM (مطالعه موردی: حوضه کشکان) authors
حسین یوسفی
دانشیار، دانشکده علوم و فنون نوین، دانشگاه تهران
حجت الله یونسی
عضو هیئت علمی گروه مهندسی آب ، دانشکده کشاورزی دانشگاه لرستان
داود داودی مقدم
دکتری آبخیزداری- دانشگاه لرستان
آزاده ارشیا
دانشجوی دکتریسازه های آبی دانشگاه لرستان
زهرا شمسی
دانشجوی دکتری سازه های آبی دانشگاه لرستان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :