شماره ركورد :
1269327
عنوان مقاله :
پهنه‌بندي خطر سيلاب در شهر نوشهر با استفاده از مدل‌هاي يادگيري ماشين
پديد آورندگان :
كاظمي قهي، حسن دانشگاه آزاد اسلامي واحد علووم و تحقيقات - دانشكدۀ منابع طبيعي و محيط زيست - گروه مهندسي محيط زيست، تهران، ايران , منصوري، نبي الله دانشگاه آزاد اسلامي واحد علووم و تحقيقات - دانشكدۀ منابع طبيعي و محيط زيست - گروه مهندسي محيط زيست، تهران، ايران , جوزي، علي دانشگاه آزاد اسلامي واحد علووم و تحقيقات - دانشكدۀ منابع طبيعي و محيط زيست - گروه مهندسي محيط زيست، تهران، ايران
تعداد صفحه :
16
از صفحه :
71
از صفحه (ادامه) :
0
تا صفحه :
86
تا صفحه(ادامه) :
0
كليدواژه :
پهنه‌بندي , مخاطرۀ سيل , يادگيري ماشين , يادگيري تجمعي
چكيده فارسي :
اولين گام در جهت رسيدن به برنامۀ پيشگيري و ايمن‌سازي شهرها، شناخت مخاطرات و بحران‌هاي موجود و اولويت‌بندي مؤلفه‌هاي ريسك‌پذيري، با توجه به سوابق تاريخي و مطالعات علمي انجام‌گرفته در تبيين احتمال خطر است. پديدۀ سيل به‌عنوان يكي از مخاطرات بسيار پرخطر طبيعي است كه در مديريت بحران بايد نگاه ويژه‌اي به آن معطوف داشت. هدف مطالعۀ حاضر، مدل‌سازي و پيش‌بيني مخاطرۀ سيل طبق ويژگي‌هاي شهر بندري نوشهر، با استفاده از مدل‌هاي يادگيري ماشين است. بر اساس مرور منابع، ابتدا معيارها و شاخص‌هاي مؤثر بر مخاطرۀ سيل، شامل معيار آب‌وهوا (شاخص بارندگي 6ساعته)، معيار هيدرولوژي (شاخص‌هاي ارتفاع رواناب سطحي، تراكم زهكشي، عمق آب زيرزميني)، معيار توپوگرافي (شاخص‌هاي شيب و ارتفاع از سطح دريا)، معيار خاك‌شناسي (شاخص نوع خاك) و معيار كاربري اراضي (شاخص نوع كاربري زمين) شناسايي شدند و سپس در محيط ArcGIS رستري گرديدند و در نهايت، براي استفاده در مدل‌ها، به‌روش فازي استاندارد‌سازي شدند. در تحقيق حاضر، براي پهنه‌بندي مخاطرۀ سيل از مدل‌هاي يادگيري ماشين، k نزديك‌ترين همسايه (Fine KNN، Cubic KNN، Cosine KNN، Weighted KNN)، درخت تصميم (Fine tree، Medium tree، Coarse tree)، يادگيري تجمعي (Ensemble (Subspace KNN)) و WLC استفاده ‌شده است. براي انجام صحت‌سنجي مدل‌ها و انتخاب بهترين مدل نيز از روش ROC بر اساس دو معيار ارزيابي صحت و سطح زير نمودار در خصوص بحران سيل استفاده گرديده است. لايه‌ها در محيط ArcGIS تهيه و براي انجام مدل‌سازي و تعيين ضرايب تعيين، به محيط نرم‌افزاري MATLAB انتقال داده ‌شده‌اند. نتايج نشان مي‌دهند كه مدل يادگيري تجمعي با صحت 0/96 و سطح زير نمودار 0/90 بهترين و مدل WLC با صحت 61/0 و سطح زير نمودار 0/62 ضعيف‌ترين مدل پيش‌بيني مخاطرۀ سيل در شهر نوشهر است. بنابراين نتيجۀ خروجي الگوريتم Ensemble (Subspace KNN) براي ارائۀ نقشۀ نهايي خطر سيلاب انتخاب گرديد.
چكيده لاتين :
No abstract
سال انتشار :
1400
عنوان نشريه :
مسكن و محيط روستا
فايل PDF :
8584556
لينک به اين مدرک :
بازگشت