[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره فصلنامه :: تمام شماره‌ها :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
اشتراک::
تماس با ما::
آخرین شماره پیش از چاپ::
::
جستجو در پایگاه

جستجوی پیشرفته
..
:: دوره 40، شماره 176 - ( 12-1400 ) ::
جلد 40 شماره 176 صفحات 86-71 برگشت به فهرست نسخه ها
پهنه‌بندی خطر سیلاب در شهر نوشهر با استفاده از مدل‌های یادگیری ماشین
حسن کاظمی قهی ، نبی الله منصوری* ، سید علی جوزی
گروه مهندسی محیط‌ زیست، دانشکدۀ منابع طبیعی و محیط‌زیست، دانشگاه آزاد اسلامی، و احد علوم و تحقیقات، تهران، ایران ، Nmansouri@gmail.com
چکیده:   (1829 مشاهده)
اولین گام در جهت رسیدن به برنامۀ پیشگیری و ایمن‌سازی شهرها، شناخت مخاطرات و بحران‌های موجود و اولویت‌بندی مؤلفه‌های ریسک‌پذیری، با توجه به سوابق تاریخی و مطالعات علمی انجام‌گرفته در تبیین احتمال خطر است. پدیدۀ سیل به‌عنوان یکی از مخاطرات بسیار پرخطر طبیعی است که در مدیریت بحران باید نگاه ویژه‌ای به آن معطوف داشت. هدف مطالعۀ حاضر، مدل‌سازی و پیش‌بینی مخاطرۀ سیل طبق ویژگی‌های شهر بندری نوشهر، با استفاده از مدل‌های یادگیری ماشین است. بر اساس مرور منابع، ابتدا معیارها و شاخص‌های مؤثر بر مخاطرۀ سیل، شامل معیار آب‌وهوا (شاخص بارندگی 6ساعته)، معیار هیدرولوژی (شاخص‌های ارتفاع رواناب سطحی، تراکم زهکشی، عمق آب زیرزمینی)، معیار توپوگرافی (شاخص‌های شیب و ارتفاع از سطح دریا)، معیار خاکشناسی (شاخص نوع خاک) و معیار کاربری اراضی (شاخص نوع کاربری زمین) شناسایی شدند و سپس در محیط ArcGIS رستری گردیدند و در نهایت، برای استفاده در مدل‌ها، بهروش فازی استاندارد‌سازی شدند. در تحقیق حاضر، برای پهنه‌بندی مخاطرۀ سیل از مدل‌های یادگیری ماشین، k نزدیک‌ترین همسایه (Fine KNN، Cubic KNN، Cosine KNN، Weighted KNN)، درخت تصمیم (Fine tree، Medium tree، Coarse tree)، یادگیری تجمعی (Ensemble Subspace KNN ) و WLC استفاده ‌شده است. برای انجام صحت‌سنجی مدل‌ها و انتخاب بهترین مدل نیز از روش ROC بر اساس دو معیار ارزیابی صحت و سطح زیر نمودار در خصوص بحران سیل استفاده گردیده است. لایه‌ها در محیط ArcGIS تهیه و برای انجام مدل‌سازی و تعیین ضرایب تعیین، به محیط نرم‌افزاری MATLAB انتقال داده ‌شده‌اند. نتایج نشان می‌دهند که مدل یادگیری تجمعی با صحت 96/0 و سطح زیر نمودار 90/0 بهترین و مدل WLC با صحت 61/0 و سطح زیر نمودار 62/0 ضعیف‌ترین مدل پیش‌بینی مخاطرۀ سیل در شهر نوشهر است. بنابراین نتیجۀ خروجی الگوریتم Ensemble (Subspace KNN) برای ارائۀ نقشۀ نهایی خطر سیلاب انتخاب گردید.
 
واژه‌های کلیدی: پهنه‌بندی، مخاطرۀ سیل، یادگیری ماشین، یادگیری تجمعی.
متن کامل [PDF 2014 kb]   (907 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1400/6/20 | پذیرش: 1400/12/16 | انتشار: 1400/12/16
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Kazemi H, Mansouri N, Jozi S A. Flood risk zoning in Nowshahr city using machine learning models. JHRE 2022; 40 (176) :71-86
URL: http://jhre.ir/article-1-2254-fa.html

کاظمی قهی حسن، منصوری نبی الله، جوزی سید علی. پهنه‌بندی خطر سیلاب در شهر نوشهر با استفاده از مدل‌های یادگیری ماشین. مسکن و محیط روستا. 1400; 40 (176) :71-86

URL: http://jhre.ir/article-1-2254-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 40، شماره 176 - ( 12-1400 ) برگشت به فهرست نسخه ها
فصلنامه مسکن و محیط روستا Journal of Housing and Rural Environment
Persian site map - English site map - Created in 0.05 seconds with 36 queries by YEKTAWEB 4645