آمار
| تعداد نشریات | 16 |
| تعداد شماره‌ها | 154 |
| تعداد مقالات | 1,173 |
| تعداد مشاهده مقاله | 4,126,213 |
| تعداد دریافت فایل اصل مقاله | 182,165 |
ارزیابی خطر رخداد سیل در مناطق سیل‌خیز با بکارگیری مدل‌های احتمالاتی و یادگیری ماشین مطالعه موردی: حوزه آبخیز قره‌سو و گرگانرود استان گلستان | ||
| پژوهش های مدیریت و فرماندهی نظامی | ||
| دوره 18.1، شماره 55، شهریور 1403 اصل مقاله (1.86 M) | ||
| نویسنده | ||
| محمدعلی صدری | ||
| کارشناس ارشد مهندسی نقشه برداری گرایش سیستم اطلاعات جغرافیایی (GIS) | ||
| چکیده | ||
| سیل یکی از مخرب‌ترین بلایای طبیعی با پیامدهای اجتماعی، اقتصادی و زیست محیطی است که امروزه روش‌های یادگیری ماشین و احتمالاتی به منظور مدل‌سازی و پیش‌بینی آن توسعه داده شده‌اند. اهداف این پژوهش اولویت‌بندی عوامل مؤثر، پهنه‌بندی و پیش‌بینی حساسیت نسبت به رخداد سیل با استفاده از مدل‌های رگرسیون بردار پشتیبان (SVR) و وزن شاهد بیزین (WOE) و معرفی مناسب‌ترین آن‌ها در حوزه‌ی قره‌سو و گرگانرود استان گلستان می‌باشد. نقشه پراکنش رخداد سیل بر اساس 368 مکان با تعداد تکرار 782 رخداد سیل بر اساس اطلاعات موجود، بازدید میدانی و بررسی تصاویر گوگل ارث در بازه زمانی قبل و بعد از سیلاب تهیه شد. از این تعداد 70 درصد (258 نقطه) به عنوان داده‌های آموزشی و 30 درصد (110 نقطه) به عنوان داده‌های آزمایشی به ترتیب برای اجرا و اعتبارسنجی مدل به طور تصادفی انتخاب و تقسیم شدند. در مرحله بعد از 15عامل زمین‌شناسی، هیدرولوژیک، مورفومتریک حوزه به همراه داده‌های اقلیم (به عنوان متغیر مستقل) و به منظور پهنه‌بندی و مدل‌سازی استفاده شد. ارتباط بین عوامل موثر و رخدادهای سیل با استفاده از نسبت فراوانی، کمی و وزن‌دار شدند. به منظور بررسی همپوشانی اطلاعاتی عوامل موثر، با استفاده از تحلیل رگرسیون چند متغیره خطی، استقلال داده‌ها مورد آزمون قرار گرفت. نقشه‌های پهنه‌بندی حساسیت حاصل از اجرای دو مدل با استفاده از سطح زیر منحنی ویژگی عملکرد گیرنده (AUC-ROC) مورد ارزیابی، اعتبارسنجی و مقایسه قرار گرفتند. نتایج بررسی عوامل موثر در هر دو مدل متفقاً نشان داد، عوامل کاربری اراضی، ارتفاع و پوشش گیاهی به ترتیب تاثیر به‌سزایی در رخداد سیلاب داشته‌اند و بخش زیادی (بیش از 80%) از سیل‌های رخداده در کلاس حساسیت خیلی زیاد و زیاد قرار می‌گیرد. نتایج ارزیابی طبقه‌بندی و اعتبارسنجی مدل‌ها نشان داد AUC-ROC برای میزان موفقیت مدل‌های رگرسیون بردار پشتیبان و وزن شاهد به ترتیب 92/0 و 88/0 است. بنابراین، نتایج مدل رگرسیون بردار پشتیبان نسبت به مدل وزن شاهد دقت بیشتری دارد. نقشه‌های پهنه‌بندی حساسیت به سیل حاصل از این پژوهش می‌تواند مبنای برنامه‌ریزی و مدیریت بحران ناشی از رخداد سیل قرار گیرد. | ||
| کلیدواژه‌ها | ||
| پهنه‌بندی؛ سیل؛ رگرسیون بردار پشتیبان؛ قره‌سو و گرگانرود؛ وزن شاهد بیزین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 72 تعداد دریافت فایل اصل مقاله: 64 |
||