مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

66
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

10
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تعیین پتانسیل سیل با استفاده از مدل های یادگیری ماشین CART، GLM و GAM (مطالعه موردی: حوضه کشکان)

صفحات

 صفحه شروع 84 | صفحه پایان 105

چکیده

 سیل پدیده ای است که موجب آسیب های زیست­محیطی و اقتصادی-اجتماعی بسیاری می شود. هدف از این پژوهش, ارزیابی کارایی مدل های یادگیری ماشین CART, GLM و GAM در شناسایی مناطق حساس به خطر سیلاب در حوضه کشکان است. استان لرستان و به­ویژه حوضه کشکان شامل: سلسله, دلفان, دوره, خرم­آباد, پلدختر و کوهدشت, سیل­خیز است و دفعات بسیاری دچار خسارات ناشی از سیل شده است و در فروردین 1398, بزرگ ترین سیل 200 سال اخیر را تجربه کرده است؛ در همین راستا از عوامل مختلف شامل: ارتفاع, جهت شیب, انحنای زمین, درصد شیب, فاصله از رودخانه, تراکم زهکشی, خاک, سنگ­شناسی, کاربری اراضی و شاخص رطوبت توپوگرافی استفاده شد. نقشه رقومی تمام عوامل نام­برده در نرم­افزار ArcGIS10.5 و در قالب پایگاه داده تهیه شد. موقعیت 123 واقعه سیل ثبت­شده در سال­های اخیر در این حوضه, جمع­آوری و به صورت تصادفی در دو دسته آموزش مدل (86 واقعه) و اعتبار­سنجی مدل (37 واقعه) در مدل سازی ها استفاده شد. با استفاده از مدل های یادگیری ماشین و عوامل مؤثر محیطی, نقشه های پیش­بینی پتانسیل سیل تهیه شدند و سپس با استفاده از روش های منحنی مشخصه AUC و شاخص TSS اعتبار­­سنجی شدند. نتایج حاصل از اعتبارسنجی مدل ها نشان داد که مدل یادگیری ماشین CART با 91/0AUC= و شاخص 88/0TSS= دقیق ترین مدل در پیش بینی پتانسیل خطر سیل بوده و پس از آن مدل GAM با 87/0AUC= و شاخص 84/0 TSS=و مدل GLM با 83/0AUC= و شاخص 88/0 TSS=قرار دارند. دقت 91/0 مدل CART نشان­دهنده دقت عالی این مدل برای حوضه کشکان است. این مدل, مساحت بیشتری از حوضه را تحت شرایط پتانسیل بالا و متوسط خطر سیل­گیری نشان می­دهد که اغلب مناطق غربی و همچنین مناطق مرکزی حوضه (کوهدشت, خرم­آباد و پلدختر) را شامل می­شوند که دقیقاً بخش­هایی از همین مناطق در سیل بزرگ سال 98 هم زیر آب رفتند و لازم است در اولویت اول برنامه ریزی و مدیریت ریسک سیل قرار گیرند.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button