کاربرد مدل های شبکه عصبی مصنوعی، نسبت فراوانی و تابع شواهد قطعی در تهیه نقشه حساسیت به وقوع سیل در حوزه آبخیز هراز: الگویی برای مطالعات مخاطرات سیلاب شهری

در این تحقیق برای تهیه نقشه­ حساسیت به وقوع سیل در حوزه آبخیز هراز در استان مازندران از روش­های شبکه عصبی مصنوعی (ANN)، نسبت فراوانی (FR) و تابع شواهد قطعی (EBF) استفاده شده است و برای دستیابی به هدف پژوهش از ده پارامتر­ موثر در وقوع سیلاب از قبیل شیب، انحنای زمین، فاصله از رودخانه، طبقات ارتفاعی، بارش، شاخص توان رودخانه (SPI)، شاخص رطوبت توپوگرافی (TWI)، لیتولوژی، کاربری اراضی و شاخص تفرق پوشش گیاهی (NDVI) استفاده گردید. همچنین، موقعیت جغرافیایی ۲۱۱ نقطه سیل­گیر در منطقه تهیه شده و نقاط به صورت تصادفی به گروه­هایی متشکل از ۱۵۱ نقطه (۷۰%) و ۶۰ نقطه (۳۰%) به­ترتیب برای واسنجی و اعتبار­سنجی تقسیم شده­اند. سپس احتمال رخداد سیل برای هر کلاس از هر پارامتر­ محاسبه گردید. وزن­های محاسبه شده برای هر کلاس در سیستم اطلاعات جغرافیایی در لایه­های مربوطه اعمال­گردیده و نقشه­های حساسیت به وقوع سیل منطقه مورد مطالعه به­دست آمد. براساس نقشه پتانسیل سیل­خیزی، منطقه به ۵ کلاس با حساسیت خیلی زیاد، زیاد، متوسط، کم و خیلی کم تقسیم گردید. روش­های مذکور توسط روش منحنی مشخصه عملکرد سیستم (AUC) ارزیابی شدند. نتایج حاکی از آن است که طبقات ارتفاعی پایین و نزدیک رودخانه دارای احتمال و حساسیت بالایی نسبت به وقوع سیل می­باشند. همچنین نتایج نشان داد که تکنیک نسبت فراوانی (AUC=۰.۹۷)، تابع شواهد قطعی (AUC=۰.۹۴) و شبکه عصبی مصنوعی (AUC=۰.۸۷) به­ترتیب اولویت، دارای بیشترین دقت در پیش­بینی وقوع سیل بوده­اند. از این­رو مدل­های مذکور به منظور پیش­بینی پتانسیل خطر سیل به­ویژه در نواحی مختلف از جمله فضاهای شهری به دلیل کارایی بالا، می­تواند مفید و قابل اعتماد باشند.

کلیدواژه ها:

داده کاوی ، شبکه عصبی مصنوعی ، تابع شواهد قطعی ، نسبت فراوانی ، مخاطرات سیلاب شهری