پيش‌بيني مناطق مستعد وقوع سيل با استفاده از مدل‌هاي پيشرفته يادگيري ماشين ( دشت بيرجند)

تحقيقات در مورد مدل‌هاي پيش‌بيني سيل، يكي از اقدامات اوليه در كاهش خسارت سيل و مديريت سيل‌هاي آينده در حوضه‌هاي آبريز است. هدف از مطالعه حاضر، ارزيابي حساسيت سيل در حوضه آبريز دشت بيرجند از طريق چهار مدل يادگيري ماشين شامل ماشين بردار پشتيبان (‏SVM)‏، درخت تصميم J48‏، جنگل تصادفي (‏RF) و سيستم‌ استنتاج عصبي فازي (ANFIS) است. لذا جهت پياده‌سازي و اعتبارسنجي مدل‌هاي ذكر شده، فهرستي از مناطق مستعد سيل در منطقه مورد مطالعه تهيه شد (42 موقعيت سيل‌خيز). علاوه بر اين، 19 معيار هيدروژئولوژيكي، توپوگرافي، زمين‌شناسي و محيطي مؤثر بر وقوع سيل در منطقه مورمطالعه استخراج شدند تا براي پيش‌بيني نقشه حساسيت سيل مورد استفاده قرار گيرند. نتايج نشان داد كه بالاترين دقت مربوط به مدل RF (0.845) و كمترين دقت مربوط به مدل SVM‏ (‏0.791)‏ بود. علاوه بر اين، اعتبارسنجي نتايج با استفاده از منحني ROC نشان داد كه دقيق‌ترين مقادير حساسيت سيل نيز به مدل RF اختصاص دارد (0.958AUC=)‏. نتايج اين مطالعه مي‌تواند به منظور مديريت مناطق آسيب‌پذير و كاهش خسارات سيل استفاده گردد.