مقايسه كارايي برخي از مدل‌هاي يادگيري ماشين در تهيه نقشه حساسيت‌پذيري به حركات توده‌اي (مطالعه موردي: استان چهارمحال و بختياري)

حركات تود ه اي در زمره خطرناك ترين حوادث طبيعي در مناطق كوهستاني به شمار مي روند. پژوهش حاضر از مدل‌هاي يادگيري ماشين(ML)  براي تهيه نقشه حساسيت به حركات توده اي در استان چهارمحال و بختياري استفاده مي كند. اين مدل ها بر پايه مجموعه اطلاعات جامع 864 حركت توده اي شامل جريان واريزه، زمين لغزش و ريزش سنگ در طول 42 سال گذشته (1356تا1397 خورشيدي) و همچنين 12 عامل موثر در رخداد اين حركات، مورد بررسي،  آزمون و اعتبارسنجي قرارگرفته اند. نتايج اعتبارسنجي نشان مي دهدكه روشRandom Forest) RF) جنگل تصادفي مناسب ترين مدل براي تهيه نقشه هاي حساسيت به حركات توده اي است. افزون براين، روش هاي Multivariate Adaptive Regression Splines) MARS ،(Mixture Discriminant Additive) MDA) و BRT (Boosted Regression Trees) نيز نتايج نسبتاً دقيقي ارائه داده اند. نتايج سطح زير منحني (AUC) براي اعتبارسنجي روش هايRF، MARS،MDA و BRT به‌ترتيب 0/968، 0/845، 0/828، و 0/765 است. برپايه نقشه حساسيت به حركات توده اي توليد شده توسط مدل RF، 32 درصد از سطح استان در كلاس هاي حساسيت بالا و بسيار بالا شناسايي شده است. بيشتر مناطق در معرض خطر حركات توده اي در باختر و مركز استان چهارمحال و بختياري واقع هستند. افزون براين، يافته‌هاي اين پژوهش نشان مي‌دهدكه ارتفاع، زاويه شيب، فاصله از جاده‌ها و فاصله از گسل‌ها عوامل بحراني در وقوع حركات توده‌ اي هستند. نتايج اين پژوهش رهيافتي را براي كاهش خسارات ناشي از خطرات طبيعي ارائه مي كند.