فهرست نشریات علمی دسترسی آزاد ایران

در این پژوهش، از روش جنگل تصادفی، یکی از الگوریتم‌های یادگیری ماشین، برای شناسایی و پیش‌بینی مناطق مستعد گردشگری در حوضه کمه سمیرم استان اصفهان استفاده شده است.  بیست منطقه شامل چشمه‌ها، آبشارها، امام‌زاده‌ها و بناهای تاریخی به‌عنوان داده‌های ورودی مدل در نظر گرفته شده‌اند.  متغیرهای ارتفاع، شیب، جهت شیب، پوشش گیاهی، فاصله از رودخانه و جاده، تراکم رودخانه و جاده و موقعیت شیب نسبی، پس از انتخاب بر اساس ضریب تورم واریانس (VIF)، به‌عنوان متغیرهای پیش‌بینی‌کننده مورد استفاده قرار گرفتند. نتایج ارزیابی مدل با استفاده از معیارهای R 2 ، RMSE و MAE نشان‌دهنده عملکرد بسیار مطلوب مدل جنگل تصادفی با  R2برابر با 89/0 ، RMSE برابر با  33/1 و MAE برابر با 13/1 می‌باشد.  فاصله از جاده‌ها (%100)، جهت شیب (33/84 %)، ارتفاع (83/%62) و پوشش گیاهی (72/%14) به‌عنوان مهم‌ترین متغیرهای پیش‌بینی‌کننده شناسایی شدند.  نقشه حاصل از مدل، پتانسیل بالای مناطق مرکزی و شمالی حوضه کمه را برای جذب گردشگر نشان می‌دهد.