مقایسه مدل های یادگیری ماشینی در پهنه بندی حساسیت سیل خیزی حوزه آبخیز سد کرج

هدف از این تحقیق تعیین مناطق دارای حساسیت سیل­خیزی با استفاده از روش­های CART, RF و BRT می­باشد. ۱۲ 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 ۸۲ نقطه سیل، به صورت تصادفی و نسبت ۷۰ به ۳۰ 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 (۸۸۴/۰) و هم اعتبارسنجی (۸۵۶/۰) خیلی خوب بوده است. بر اساس نقشه نهایی حساسیت سیل ۷/۳۲ 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.

Keywords:

Random forest , Karaj dam basin , Flood susceptibility , Machine learning. , جنگل تصادفی , سد کرج , حساسیت سیل , یادگیری ماشینی.