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 ۶ساعته)، 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 ۹۶/۰ و سطح زیر نمودار ۹۰/۰ بهترین و مدل WLC با صحت ۶۱/۰ و سطح زیر نمودار ۶۲/۰ ضعیف‌ترین مدل پیش‌بینی مخاطرۀ سیل در شهر نوشهر است. بنابراین نتیجۀ خروجی الگوریتم Ensemble (Subspace KNN) برای ارائۀ نقشۀ نهایی خطر سیلاب انتخاب گردید.
