کلاسه‌بندی مناطق بحرانی سیل مبتنی بر الگوریتم‌های هوش مصنوعی و تلفیق با روش‌های خرد جمعی (مطالعه موردی: حوضه رکعت دزپارت)

شهپری فر, قاسم; ذرتی پور, امین; یوسفی, اشکان

doi:10.22098/mmws.2026.19213.1772

کلاسه‌بندی مناطق بحرانی سیل مبتنی بر الگوریتم‌های هوش مصنوعی و تلفیق با روش‌های خرد جمعی (مطالعه موردی: حوضه رکعت دزپارت)

مقالات آماده انتشار

نوع مقاله : پژوهشی

نویسندگان

¹ دانش آموخته کارشناسی ارشد، گروه زمین شناسی مهندسی، ‌دانشکده علوم، دانشگاه اصفهان، اصفهان،‌ ایران

² دانشیار، گروه مهندسی طبیعت، دانشکده کشاورزی،‌ دانشگاه علوم کشاورزی و منابع طبیعی خوزستان،‌ خوزستان،‌ ایران.

³ گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، خوزستان، ایران.

10.22098/mmws.2026.19213.1772

چکیده

امروزه پهنهبندی پدیده سیلاب در حوضههای کوهستانی و مناطق صعب العبور، پیش نیاز توسعه در هر کشوری محسوب میشود و بایستی قبل از اجرای پروژههای مختلف صنعتی، عمرانی، شهرسازی و غیره؛ به وضعیت سیلاب حوضه و تعیین نقاط بحرانی توجه خاصی شود. این پژوهش با هدف ارزیابی عملکرد پنج مدل یادگیری ماشین شامل، مدل‌جنگل‌ تصادفی، مدل‌بردار پشتیبان، مدل‌ جمعی تعمیمیافته، مدل‌خطی تعمیمیافته، درخت طبقهبندی و رگرسیون، رگرسیون تقویت شده درختی (RF ، SVM، BRT، CART و GLM) مدل‌سازی احتمال سیل‌ در حوضه کوهستانی رکعت دزپارت در استان خوزستان انجام گرفت. همچنین، برای افزایش پایداری و دقت مدلها، از چهار تکنیک خرد جمعی (Ensemble Methods)، شامل میانگین ساده، میانگین وزنی، میانگین کمیته‌ای و میانه استفاده شد. نتایج نشان داد تمامی مدلهای مورد استفاده عملکردی قابل قبول از خود نشان دادند؛ با این حال، مدلهای مبتنی بر درخت، برتری محسوسی نسبت به مدلهای خطی و SVM داشتند. به‌طور خاص، مدل جنگل تصادفی (RF) با کسب بالاترین مقدار AUC برابر با 932/0، بهترین عملکرد کلی را در پیش‌بینی وقوع سیل در منطقه به خود اختصاص داد. پس از آن، مدل رگرسیون تقویت‌شده درختی (BRT) با AUC برابر با 929/0 در رتبه دوم قرار گرفت. در مقابل، مدل خطی تعمیمیافته (GLM) با AUC برابر با 855/0، کمترین دقت را در میان مدلهای منفرد از خود نشان داد. همچنین تکنیک‌های خردجمعی عملکرد مدلها را بهبود بخشیدند، به‌طوری که مقادیر AUC برای روش‌های تلفیقی در محدوده 919/0 تا 926/0 قرار گرفت و پایداری پیش‌بینی‌ها را تقویت نمود. این یافته‌ها بر لزوم توجه ویژه به ویژگی‌های مکانی و هیدرولوژیکی حوضه در برنامه‌ریزی‌های مدیریت ریسک سیلاب تأکید می‌کند و مدل RF و رویکردهای خردجمعی را به عنوان استراتژی‌های مؤثر برای تهیه نقشه‌های پهنه‌بندی دقیق‌تر معرفی می‌نماید.

کلیدواژه‌ها