پژوهشنامه مدیریت حوزه آبخیز، جلد ۱۳، شماره ۲۵، صفحات ۰-۰

عنوان فارسی ارزیابی پتانسیل وقوع سیل با استفاده از مدل‌های داده کاوی ماشین بردار پشتیبان، چاید و جنگل تصادفی(مطالعه موردی: حوزه آبخیز فریزی)
چکیده فارسی مقاله سیل یکی از مخاطرات طبیعی است که هر ساله منجر به خسارات اقتصادی، اجتماعی و زیست ­محیطی فراوان شده و از عوامل مختلف طبیعی و انسانی ناشی می­گردد. هدف پژوهش حاضر بررسی خطر وقوع سیل و پهنه­بندی سیلاب آبخیز فریزی با استفاده از مدل­های داده­کاوی ماشین بردار پشتیبان­، چاید و جنگل تصادفی  می­باشد. بدین منظور 64 نقطه سیل­گیر ثبت شده و 16 پارامتر مؤثر شامل ارتفاع، کاربری اراضی، شیب، تراکم زهکشی، واحد اراضی، زمین شناسی، رواناب، نفوذپذیری، جهت شیب، فاصله از آبراهه، بارش، خاک، شاخص رطوبت توپوگرافی (TWI)، شاخص پوشش گیاهی (NDVI)، انحنا زمین و شاخص توان آبراهه (SPI) مورد بررسی قرار گرفت. در پژوهش حاضر  از شاخص­های آماری ضریب همبستگی و قدر مطلق خطا به منظور ارزیابی نتایج مدل­های مختلف استفاده شده است. بررسی نتایج نشان داد که مدل ماشین بردار پشتیبان، چاید و جنگل تصادفی با الگوی M3، M8 و M10 به ترتیب بیشترین دقت را با ضریب همبستگی (972/0)، (954/0) و (901/0) و کمترین میانگین قدر مطلق خطا را (538/0=MAE)، (723/0=MAE) و (685/0=MAE) دارا می­باشند. به منظور اعتبارسنجی مدل­ها، نتایج با نقاط سیلابی که در مرحله آموزش مدل­ها استفاده نشده بود، مقایسه گردید. سپس منحنی ROC رسم و مساحت زیر منحنی برای نقشه­های حساسیت سیلاب محاسبه گردید. نتایج بدست آمده از اعتبار سنجی نشان داد که مقادیر AUC برای مدل­های ماشین­ بردار پشتیبان، چاید و جنگل تصادفی به ترتیب 905/0، 801/0 و 854/0 می­باشد. بنابراین، نتایج نشان داد که مدل ماشین بردار پشتیبان­ مناسبتر از دو مدل دیگر می­باشد. طبق نتایج به دست آمده از تحقیق، عوامل شیب، تراکم زهکشی، زمین شناسی، نفوذ­پذیری و بارش بیشترین تأثیر را در ایجاد سیل منطقه دارا هستند. نتایج حاصله می­تواند برای مدیران و تصمیم­گیران منطقه جهت تعیین مکانهای مستعد سیل و برنامه­ریزی لازم برای کاهش خطرات وقوع سیل مفید واقع شود.
کلیدواژه‌های فارسی مقاله پهنه‌بندی، حوزه آبخیز فریزی، سیل، مدل‌های داده‌کاوی، منحنی ROC.

عنوان انگلیسی Assessment of Flood Occurrence Potential Using Data Mining Models of Support Vector Machine, Chaid and Random Forest (Case study: Frizi watershed)
چکیده انگلیسی مقاله Flood is one of the natural hazards that leads to many economic, social and environmental damages every year and is caused by various natural and human factors. The aim of the present study is to investigate the risk of flooding and flood zoning of the Frizi catchment using data support models of support vector machine, field and random forest. For this purpose, 64 flood spots and 16 effecting parameters including height, land use, slope, drainage density, land unit, geology, runoff, permeability, slope direction, distance from waterway, precipitation, soil, topographic moisture index (TWI), vegetation index (NDVI), Earth curvature and canal power index (SPI) were examined. In the present study, statistical indices of correlation coefficient and absolute magnitude of error were used to evaluate the results of different models. The results showed that the support vector machine model, chad and random forest with M3, M8 and M10 pattern had the highest accuracy with correlation coefficient (0.972), (0.954) and (0.901) and the lowest mean value, respectively. Absolute error (MAE = 0.538), (MAE = 0.723) and (MAE = 0.685). In order to validate the models, the results were compared with the flood points that were not used in the model training phase. Then the ROC curve was plotted and the area under the curve was calculated for flood sensitivity maps. The results obtained from the validation showed that the AUC values ​​for the support vector, chad and random forest machine models are 0.905, 0.801 and 0.854, respectively. Therefore, the results showed that the SVM model is more suitable than the other two models. According to the results of the study, slope factors, drainage density, geology, permeability and precipitation have the greatest effect on floods in the region. The results can be useful for area managers and decision makers to identify flood-prone locations and plan to reduce flood risks.
کلیدواژه‌های انگلیسی مقاله Zoning, Frizi Watershed, Flood, Data Mining Models, ROC Curve

نویسندگان مقاله مهدی زارعی | Mahdi Zarei
Hakim Sabzevari University
دانشگاه حکیم سبزواری

رحمان زندی | Rahman Zandi
Hakim Sabzevari University
دانشگاه حکیم سبزواری

مهناز ناعمی تبار | Mahnaz
Hakim Sabzevari University
دانشگاه حکیم سبزواری


نشانی اینترنتی http://jwmr.sanru.ac.ir/browse.php?a_code=A-11-1269-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده بلایای طبیعی (سیل، خشکسالی و حرکت های توده ای)
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات