حاجی کریمی

سیل یکی از مخاطرات طبیعی فاجعه بار در سراسر جهان است که به راحتی می‌تواند اثرات مخربی بر جان و دارایی انسان‌ها داشته باشد. رویدادهای مکرر این خطر، توسعه نقشه‌های دقیق خطر سیل را برای اطلاع‌رسانی بهتر و آمادگی در برابر بلایا و کاهش آن ضروری می‌سازد. کار تحقیقاتی پیشنهادی جهت تجزیه و تحلیل ارزیابی حساسیت سیل در یک محیط کوهستانی است بنابراین، این مطالعه با هدف بکارگیری مدل‌های یادگیری ماشین (MLM) و تکنیک‌های سیستم‌های اطلاعات جغرافیایی (GIS) برای پیش‌بینی مناطق خطر سیل در استان ایلام است. دو الگوریتم ML برای نقشه‌برداری حساسیت سیل استان ایلام استفاده شد: جنگل‌های تصادفی (RF) و شبکه عصبی مصنوعی (ANN). شانزده پارامتر پیوسته و متغیرهای طبقه بندی شده مختلف را برای ارزیابی همبستگی بین این متغیرها و حوادث سیل در منطقه مورد مطالعه شناسایی و به عنوان ورودی برای اجرای دو مدل استفاده شدند. در مجموع 1042 نقطه سیل و غیرسیل تصادفی انتخاب شدند که 70% و 30% به عنوان مجموعه داده‌های آموزشی و اعتبار سنجی استفاده شدند. همچنین نتایج نرخ خطای الگوریتم‌های پیشنهادی در نظر گرفته شد، به وضوح نشان داد که در مدل RF ، MAE که برابر با 0889/0و RMSE برابر با 1872/0 دارای کمترین مقدار، R2 که برابر 8423/0بیشترین مقدار که در مقایسه با مدلANN عملکرد بهتری داشت. ارزش تحقیق در این واقعیت نهفته است که مدل‌های پیشنهادی می‌تواند برای ارزیابی بلایای طبیعی مانند زلزله، رانش زمین و غیره نیز مورد استفاده قرار گیرد. علاوه بر این، این کار کمک قابل توجهی به تلاش‌ برای کاهش خطر بلایای طبیعی می‌کند. بنابراین، این امر به افزایش پایداری محیطی کمک خواهد کرد.