گروه مهندسی محیط زیست، دانشکدۀ منابع طبیعی و محیطزیست، دانشگاه آزاد اسلامی، و احد علوم و تحقیقات، تهران، ایران ، Nmansouri@gmail.com
چکیده: (1837 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 سیلبهعنوانیکیازمخاطرات بسیار پرخطر طبیعیاستکهدرمدیریتبحرانبایدنگاه ویژهایبهآنمعطوفداشت. 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 ArcGISرستری 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، Mediumtree، Coarse tree)، یادگیری تجمعی (Ensemble Subspace KNN ) و WLCاستفاده شده است. برای انجام صحتسنجی مدلها و انتخاب بهترین مدل نیز از روش ROCبر اساسدومعیارارزیابیصحتوسطحزیرنموداردرخصوص بحران سیل استفاده گردیده است. لایهها در محیط ArcGISتهیه و برای انجام مدلسازی و تعیین ضرایب تعیین، به محیط نرمافزاری MATLABانتقال داده شدهاند. نتایج نشان میدهند که مدل یادگیری تجمعی با صحت 96/0 و سطح زیر نمودار 90/0 بهترین و مدل WLCبا 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.
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