مدل سازي توان سيل خيزي در آبخيز زرينه رود با استفاده از مدل هاي هوش مصنوعي

مقدمه و هدف در ميان خطرها و بلاهاي طبيعي، بدون ترديد سيل به‌عنوان ناگوارترين خطر در جهان شناخته‌شده است. يكي از راه‌كارهاي اساسي براي كاهش خسارت‌هاي ناشي از سيل تهيه‌ي نقشه‌ي حساسيت سيل است. پيش بيني مكاني احتمال رخداد سيل با استفاده از مدل هايي كه براساس داده هاي مكاني و تاريخي به وجود آمده‌اند، در نهايت منجر به تهيه‌ي نقشه هاي حساسيت پذيري سيلاب مي شود، از راه‌كارهاي مناسب براي برنامه ريزان مديريت زمين‌ها در مناطق مختلف براي پيشگيري از رخداد اين پديده است. در اين پژوهش، به‌منظور تعيين مناطق مستعد رخداد سيل از مدل تركيبي (هيبريدي) استنتاج عصبي و فازي تطبيقي و دستورالعمل بهينه سازي فراكاوشي رقابت امپراتوري (ANFIS-ICA)  و مدل تركيبي استنتاج عصبي و فازي تطبيقي و دستورالعمل بهينه سازي فراكاوشي ازدحام ذرات (ANFIS-PSO) استفاده شد. مواد و روش ها آبخيز زرينه رود در شمال‌غربي استان كردستان و ميان طول جغرافيايي ″30′48°45 و ″20′48°46 شرقي و عرض جغرافيايي ″20′42°35 و ″15′23°36 شمالي است. مساحت اين آبخيز 4485/2 كيلومترمربع است. اقليم منطقه معتدل مرطوب است و ميانگين بارندگي سالانه‌ي آن 480 ميلي‌متر است. موقعيت رخدادهاي سيل به‌طور تصادفي به دو گروه آموزش (70%) و اعتبارسنجي (30%) تقسيم شد. عامل‌هاي محيطي مختلف (بلندي، جهت، شيب، انحناي سطح، كاربري زمين، سنگ شناسي، بارندگي، شاخص توان جريان، فاصله از آبراهه، شاخص رطوبت پستي‌بلندي) به‌عنوان متغير مستقل در مدل‌سازي انتخاب شدند و لايه هاي رقومي آن ها تهيه شد. در اين پژوهش از مدل ANFIS-ICA و مدل ANFIS-PSO  استفاده شد. نتايج پيش بيني مدل‌ها بر اساس معيار (AUC) و آماره‌ي مهارت صحيح (TSS) ارزيابي شد. نتايج و بحث بر پايه‌ي يافته هاي اين پژوهش در مرحله‌ي اعتبارسنجي، مدل ANFIS-PSO با (AUC) 98/0 و آماره‌ي مهارت صحيح (TSS) 89/0 بيشترين دقت را داشت. همچنين عامل فاصله از آبراهه به‌عنوان مهم‌ترين عامل محيطي شناسايي شد. افزون بر اين، شيب زمين و TWI به‌ترتيب در جايگاه‌هاي دوم و سوم اهميت بودند. نتيجه گيري و پيشنهادها بر اساس نتايج اين پژوهش، رويكرد تركيبي (هيبريداسيون) كه تركيب شدن مدل هاي يادگيري ماشيني و دستورالعمل هاي بهينه سازي فراكاوشي است، موجب افزايش قدرت يادگيري و همچنين توان پيش بيني مدل شد. همچنين عامل فاصله از آبراهه و شيب زمين مهم‌ترين عامل‌هاي مؤثر در سيل گيري هستند. بر اساس نتايج و تحليل هاي انجام‌شده مي توان نتيجه گيري كرد كه مدل هاي يادگيري ماشيني قابليت زيادي در پيش بيني توان سيل گيري دارند. در اين پژوهش نقشه هاي توان سيل تهيه‌شده مي تواند براي مديران و كارشناسان بسيار كاربردي بوده و در برنامه ريزي اقدام‌هاي مهاركردن سيل استفاده‌ي عملي داشته باشد. توجه كردن به امكانات و اقدام‌هاي مهاركردن سيل در موقعيت هايي كه توان سيل ‌گيري زيادي دارند، موجب افزايش مديريت سيل از نظر اقتصادي و فني مي شود.