ارزیابی مدلهای هوش مصنوعی مبتنی بر درخت به منظور پیشبینی خطر سیل در بستر GIS
نویسندگان
1 دانش آموخته کارشناسی ارشد مهندسی سنجش از دور، دانشگاه تحصیلات تکمیلی صنعتی فناوری پیشرفته کرمان، ایران.
2 دانشیار گروه مهندسی عمران، دانشگاه بیرجند، بیرجند، ایران
3 دانشآموخته کارشناسی ارشد، گروه مهندسی نقشه برداری، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، دانشگاه تهران، تهران، ایران.
4 دانشآموخته کارشناسی ارشد مهندسی عمران آب و سازههای هیدرولیکی و عضو باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.
5 دانش آموخته کارشناسی ارشد، گروه آب و سازههای هیدرولیکی، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.
doi
چکیده
سیل یکی از مخربترین انواع بلایای طبیعی است که هر ساله باعث از دست رفتن جان و مال انسانها در سراسر جهان میشود. هدف از تحقیق حاضر ارزیابی و مقایسه قابلیت سه مدل یادگیری ماشین یعنی درخت بیز ساده (NBTree)، درخت تصمیم متناوب (ADTree) و جنگل تصادفی (RF) برای پیشبینی خطر وقوع سیل در شهرستان مانه و سملقان میباشد. نوآوری تحقیق حاضر ارائه مدلهای ترکیبی مبتنی بر درخت میباشد که کمتر در تحقیقات پیشین مورد استفاده قرار گرفتهاند. برای تهیه نقشه مرجع سیل در منطقه موردمطالعه، 300 موقعیت مستعد سیل شناسایی شدند و از طریق انتخاب تصادفی با نسبت 70 به 30 به مجموعه دادههای آموزشی و اعتبارسنجی تقسیم شدند. پایگاه داده مکانی سیل با استفاده از 15 معیار هیدروژئولوژیکی و محیطی مؤثر بر سیل ایجاد شد. در نهایت، نقشههای پیشبینی خطر سیل با استفاده از مدلهای NBTree، ADTree و RF تهیه شدند. به منظور اعتبارسنجی مدلهای پیشبینی خطر سیل، معیار سطح زیر منحنی (AUC) و معیارهای آماری نرخ پیشبینی مثبت، نرخ پیشبینی منفی، حساسیت، ویژگی و دقت مورد استفاده قرار گرفتند. نتایج نشان داد که مدل RF دقت بالاتری نسبت به مدلهای NBTree و ADTree در پیشبینی خطر سیل منطقه موردمطالعه دارد. همچنین، نتایج نشان داد که احتمال وقوع خطر سیل در مناطق مرکزی منطقه موردمطالعه به دلیل ارتفاع و شیب کمتر، بیشتر از سایر مناطق است.