این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های فرسایش محیطی، جلد ۱۲، شماره ۴، صفحات ۰-۰
عنوان فارسی ارزیابی آسیب‌پذیری مناطق مستعد سیلاب‌های دارای جریان واریزه‌ای با استفاده از الگوریتم‌های یادگیری ماشین (مطالعه موردی حوضه تنگراه_ استان گلستان)
چکیده فارسی مقاله این مطالعه رویکرد دقیقی برای ارزیابی ریسک خطر جریان واریزه­ای با استفاده از الگوریتم­های یادگیری ماشین را ارائه می­دهد. در این راستا به منظور ارزیابی آسیب پذیری سیلاب­های رخ داده در منطقه به تهیه نقشه پهنه­بندی ریسک سیلاب از دو مدل RF و ANN در حوضه آبریز تنگراه گردیده است. بر اساس داده­های مخاطرات جریان واریزه­ای و پیمایش­های گسترده­ی میدانی، همراه با  داده­های ژئومورفولوژیکی و محیطی انجام شده، 10 عامل موثر برای انجام این مدل آماده گردید، که شامل موارد زیر است: طبقات ارتفاعی، درصد شیب، فاصله از آبراهه، تراکم زهکشی، زمین شناسی، میزان بارندگی، کاربری­اراضی، جهت شیب، لایه خاک­شناسی، شاخص قدرت آبراهه(SPI) و شاخص رطوبت توپوگرافیک(TWI). با استفاده از نرم افزارMat LAB R2020a از تعداد کل 609  موقعیت سیل، 70 درصد آن به منظور اجرای مدل و 30 درصد آن به منظور اعتبار سنجی استفاده شد. رویکرد RF بیشترین مقادیر دقت، احتمال تشخیص خطر و AUC (ناحیه زیر منحنی مشخصه عملکرد گیرنده) را ارائه داد و ارزیابی نتایج بدست آمده از مدل الگوریتم جنگل تصادفی با استفاده از ضریب تعیین 089/0 و خطای 24/0 ایجاد شده است که نشان دهنده سطح دقت بالا این مدل نسبت به مدل شبکه عصبی مصنوعی با دقت 078/0 و خطای 35/0 می­باشد. براساس پهنه بندی صورت گرفته نتایج بدست آمده نشان می­دهد 17، 22، 26، 22و12 درصد از مساحت منطقه به ترتیب دارای پهنه­های داری خطر بسیار زیاد، زیاد، متوسط، کم و خیلی کم را شامل می­شود. اعتبار سنجی ثانویه توسط معیار ROC و سطح زیر منحنی برای مدلRF 94/0 و برای مدل ANN 088/0 است که نشان دهنده دقت برآوردی مدل رندم فارست است.
کلیدواژه‌های فارسی مقاله واژه گان کلیدی، پهنه‌بندی، حوضه تنگراه، جریان واریزه‌ای، روش RF،
عنوان انگلیسی Vulnerability assessment of flood prone areas with debris flow using machine learning algorithms (case study: Basin Tngrah Golestan Province)
چکیده انگلیسی مقاله This study provides a detailed approach to assess the risk of deposit flow using machine learning algorithms. In this regard, in order to assess the vulnerability of floods in the region, a flood risk zoning map of two models RF and ANN in the catchment has been prepared. Based on the data of deposition flow hazards and extensive field surveys, along with geomorphological and environmental data, 10 effective factors were prepared for this model, which include the following: elevation, slope percentage, distance from waterway, drainage density, land Cognition, rainfall, land use, slope direction, soil layer, canal strength index (SPI) and topographic moisture index (TWI). Using Mat LAB R2020a software, a total of 609 flood locations, 70% of which were used for model implementation and 30% of which were used for validation. The RF approach provided the highest values ​​of accuracy, risk detection probability and AUC (area below the receiver performance characteristic curve) and the evaluation of the results obtained from the random forest algorithm model using a coefficient of determination of 0.089 and an error of 0.24 was shown. The high accuracy level of this model compared to the artificial neural network model with an accuracy of 0.078 and an error of 0.35. Based on the zoning, the results show that 17, 22, 26, 22 and 12% of the area with very high, high, medium, low and very low risk zones, respectively. The secondary validation by the ROC criterion and the area under the curve is 0.94 for the RF model and 0.088 for the ANN model, which indicates the accuracy of the Forrest Forrest model.
کلیدواژه‌های انگلیسی مقاله Zoning, Strait basin, Debris flow, RF method.
نویسندگان مقاله علی احمدآبادی | Ali Ahmadabadi


فریبا پاکنژاد | fariba paknejad


عزت اله قنواتی | Ezatollah Qanavati


حسن زحمتکش | hasan zahmatkesh


نشانی اینترنتی http://magazine.hormozgan.ac.ir/browse.php?a_code=A-10-874-1&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 مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات