کیمیا رضایی کلانتری - استادیار گروه کامپیوتر دانشگاه آزاد اسلامی واحد ساری
ژاله وظیفه شناس - دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار دانشگاه آزاد اسلامی واحد ساری

سیل اغلب به طور قابل توجهی بر زندگی و فعالیت های انسان تاثیر میگذارد بنابراین اولویت بندی مناطق جهت کاهش احتمال وقوع سیل به منظورتلفات کمتر امری ضروری است از آنجاییکه پیش بینی وقوع سیل به دلیلتغییرات ناگهانی در شرایط آب و هوایی و عوامل ایجاد شده دشوار است،شناسایی مناطق مستعد سیل میتواند برای مدیریت به موقع و مناسب خطراتسیل کارساز باشد . روشهای زیادی جهت پیش بینی سیل مبتنی بر هوش مصنوعیاز قبیل (درخت تصمیم اول (BFT BBFT,DBFT)، جنگل تصادفی (RF)، جنگلچرخشی ، آدابوست ، نظریه بازی ها ، رویکرد نسبت فرکانس (FR) ، ماشینبردار پشتیبان (SVM) ، منطق فازی (FL) ، مدل ترکیبی فازی AHP-TOPSIS در اینسالها توسط محققان ارائه شده است که در این مقاله مروری به برخی ازآنها اشاره می کنیم . با وجود مزایای بسیار این روشها از قبیلتوانایی بالای طبقه بندی کننده های یادگیری ماشینی و امکان اولویتبندی مناطق برای حفاظت و مدیریت سیلاب هر یک دارای محدودیتهایی نیزبوده که در ادامه علاوه بر بررسی تکنیک های مورد استفاده به بیانمزایا و معایب آن روشها می پردازیم .

پیش بینی سیل ، یادگیری ماشینی ، نقشه سیل ، سیستم اطلاعات جغرافیایی