پهنه‌بندي مناطق مستعد داراي جريان‌هاي واريزه‌اي با استفاده از الگوريتم‌هاي يادگيري ماشين (مطالعه موردي: حوضه تنگراه استان گلستان)

سيلاب، رخدادي طبيعي و نامنتظره است كه در دهه‌هاي اخير به فراواني رخ‌ داده و آسيب‌هاي جبران‌ناپذيري به همراه داشته است. ارزيابي جامع خطر جريان هاي واريزه اي به علت پيچيدگي و فقدان قطعيت شاخص هاي مختلف مربوطه، بسيار چالش برانگيز است. يك ارزيابي منطقي و معقول بايد بر اساس داده هاي كافي و رويكردهاي واقع گرايانه باشد. اين مطالعه با استفاده از الگوريتم هاي يادگيري ماشين، رويكرد دقيقي را براي ارزيابي ريسك خطر جريان واريزه اي ارائه مي دهد. در اين راستا به منظور ارزيابي آسيب پذيري سيلاب هاي رخ داده در منطقه، نقشه پهنه بندي ريسك سيلاب از دو مدل RF و ANN در حوضه آبريز تنگراه تهيه شد. بر اساس داده هاي خطر جريان واريزه اي، پيمايش هاي گسترده ميداني و داده هاي ژئومورفولوژيكي و محيطي انجام شده، يازده عامل مؤثر براي اجراي اين مدل آماده شد كه شامل طبقات ارتفاعي، درصد شيب، فاصله از آبراهه، تراكم زهكشي، زمين شناسي، ميزان بارندگي، كاربري اراضي، جهت شيب، لايه خاك شناسي، شاخص قدرت آبراهه (SPI) و شاخص رطوبت توپوگرافيك (TWI) است. با استفاده از نرم افزارMatlab R2020a ، 609 منطقه مستعد جريان واريزه اي شناسايي شد كه از هفتاد درصد آن براي اجراي مدل و از سي درصد آن براي اعتبارسنجي استفاده شد. رويكرد RF بيشترين مقادير دقت، احتمال تشخيص خطر و AUC (ناحيه زير منحني مشخصه عملكرد گيرنده) را ارائه داد. ارزيابي نتايج به دست آمده از مدل الگوريتم جنگل تصادفي نيز با استفاده از ضريب تعيين 0.089 و خطاي 0.24 ايجاد شد كه سطح دقت بالاي اين مدل را نسبت به مدل شبكه عصبي مصنوعي با دقت 0.078 و خطاي 0.35 نشان داد. براساس پهنه بندي صورت گرفته، نتايج نشان داد كه 17، 22، 26، 22 و 12 درصد از مساحت منطقه به ترتيب پهنه هاي داراي خطر بسيار زياد با مساحت 108.14 كيلومتر مربع، زياد 136.2، متوسط 168.25، كم 142.2 و خيلي كم با 80.56 كيلومتر مربع است. اعتبارسنجي ثانويه توسط معيار ROC و سطح زير منحني براي مدل RF، 0.94 و براي مدل ANN 0.088 است كه دقت برآوردي مدل رندم فارست را نشان مي دهد.