ناحیه‌بندی مناطق مستعد سیلاب توسط الگوریتم ماشین بردار پشتیبان بهینه‌سازی شده

نویسندگان

1 دانشجوی دکتری مهندسی منابع آب، گروه علوم و مهندسی آب، دانشگاه آزاد اسلامی واحد کرمان، کرمان، ایران.

2 استادیار گروه علوم و مهندسی آب، دانشگاه آزاد اسلامی واحد کرمان، کرمان، ایران.

3 استادیار گروه علوم و مهندسی آب، دانشگاه آزاد اسلامی واحد کرمان، کرمان، ایران.

doi
چکیده

در این مطالعه تولید نقشه‌های مناطق مستعد سیل با بهینه‌سازی مدل ماشین بردار پشتیبان (SVM) با استفاده از الگوریتم‌های بهینه‌سازی فراابتکاری ازدحام ذرات (PSO)، ژنتیک (GA) و کلونی مورچگان (ACO) در حوضه آبریز زاهدان صورت گرفته است. برای تعیین بهترین فاکتورهای تأثیرگذار بر سیل، از بین 19 فاکتور مورداستفاده در مطالعات قبلی و اهمیت نسبی متغیرهای ورودی از دو آزمایش روش نسبت کسب اطلاعات (IGR) و آزمایش چندخطی بودن پارامترها استفاده شد.  فاکتور میزان محتوای آب در خاک که جزو عوامل مؤثر با ضریب IGR=0.767 است، برای اولین بار در این مطالعه به‌صورت مستقیم در مدل‌سازی مورداستفاده قرار گرفت. نقشه مشخصه سیل از روی پردازش داده‌های ماهواره Sentinel-1 تهیه و اعتبارسنجی شد. از مجموعه داده‌های تولید شده برای تولید نقشه‌های مناطق مستعد سیل با استفاده از مدل SVM بهینه‌سازی شده با الگوریتم‌های مذکور استفاده شد که برای اولین بار، در این تحقیق از الگوریتم ACO برای بهینه‌سازی مدل SVM در تولید نقشه‌های مناطق مستعد سیل استفاده شد. دقت پیش‌بینی مدل‌ها با استفاده از معیارهای آماری بررسی گردید. هر سه الگوریتم مورداستفاده در این مطالعه، عملکرد SVM را به‌‏طور متوسط 4 درصد بهبود بخشیدند درحالی‌که مدل PSO-SVM بهترین عملکرد را با RMSE=0.158، MSE=0.025، AUC=0.953 و StD=0.405 در میان الگوریتم‌های دیگر به نمایش گذاشت؛ همچنین مشخص شد تقریباً نیمی از منطقه شهری زاهدان در مناطق خطر متوسط تا بسیار زیاد قرار دارند.