فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی مناطق در معرض خطر سیل به‌منظور مدیریت بهتر بحران از جمله اقداماتی است که طی سال‌های اخیر موردتوجه پژوهش‌گران قرار گرفته است. هدف از مطالعه حاضر، ارائه یک روش ترکیبی جدید و قدرتمند جهت پیش‌بینی مناطق حساس به سیل در شهر تهران می‌باشد. برای این منظور روش یادگیری عمیق CNN با الگوریتم قدرتمند HHO ترکیب شد. در این پژوهش نقشه سیل‌های رخ داده با استفاده از مطالعه تاریخ سیل‌ها، شبکه‌های اجتماعی و داده‌های سازمان های مربوطه تولید شد که نتیجه آن 157 نقطه می‌باشد. 70 درصد وقایع برای آموزش مدل و  درصد باقیمانده نیز به‌منظور صحت‌سنجی انتخاب شد. تعداد نُه پارامتر مؤثر بر وقوع سیل ارتفاع، شیب، بارندگی، شاخص قدرت جریان، شاخص رطوبت توپوگرافی، فاصله از رودخانه، تراکم رودخانه، سنگ شناسی و کاربری اراضی را به‌عنوان متغیرهای مستقل انتخاب کردیم. در این پژوهش از چندین شاخص شامل RMSE، MAE، Sensitivity، Specificity و Accuracy و هم‌چنین سطح زیر نمودار ROC استفاده شد تا عملکرد مدل به‌کاررفته ارزیابی شود. مقدار به‌دست‌آمده از سطح زیر نمودار ROC  نشان داد مدل ترکیبی CNN-HHO با 95 درصد دقت فوق‌العاده‌ای در پیش‌بینی وقوع سیل دارد. هم‌چنین نتایج به‌دست‌آمده از شاخص‌های Accuracy (55/92)، Specificity (7/95)، Sensitivity (4/89)، MAE (165/0) و RMSE (277/0) نیز نشان داد مدل به‌کاررفته عملکرد بسیار خوبی در پهنه‌بندی منطقه موردمطالعه دارد. براساس نتایج، مدل ترکیبی ارائه‌شده در این پژوهش می‌تواند به‌عنوان روشی قدرتمند در مناطق دیگر نیز به‌کار گرفته شود.