آینده‌پژوهی و پتانسیل سنجی خطر وقوع سیل در شهر تهران با استفاده از الگوریتم ماشین پشتیبان بردار svm

آینده‌پژوهی شامل مجموعه تلاش‌هایی است که با جستجوی منابع، الگوها، و عوامل تغییر یا ثبات، به تجسّم آینده‌های بالقوّه و برنامه‌ریزی برای آن‌ها می‌پردازد. آینده‌پژوهی بازتاب دهنده چگونگی زایش واقعیّت «فردا» از دل تغییر (یا ثبات) «امروز»، است. روند رو به افزایش سیل در سال‌های اخیر حاکی از آن است که اکثر مناطق کشور در معرض تهاجم سیلاب‌های مخرب قرار دارند و ابعاد خسارات و تلفات جانی و مالی سیل افزایش‌یافته است. هدف از انجام پژوهش حاضر آینده‌پژوهی و پتانسیل سنجی خطر وقوع سیل در شهر تهران با استفاده از الگوریتم ماشین پشتیبان بردار svm بوده است. روش تحقیق تحلیلی مکانی است. داده های مورد استفاده در غالب لایه های اطلاعاتی تهیه شد. معیارهای مورداستفاده ارتفاع از سطح دریا، درجه شیب، جهت شیب، کاربری اراضی، فاصله از جاده، فاصله از آبراهه، زمین‌شناسی بوده است. شاخص igr برای 7 عامل موثر انتخاب‌شده برای وقوع سیل سطحی منطقه موردمطالعه جهت ارزیابی توانایی پیش‌بینی مدل به دست آمد. نتایج بیانگر آن بود وزن عوامل زمین شناسی، ارتفاع از سطح دریا، کاربری اراضی، شیب، جهت شیب، فاصله از جاده، فاصله از رودخانه به ترتیب 0.029، 0.026، 0.025، 0.019، 0.015، 0.009، 0.008 به دست آمد که بیشترین مقادیر به عامل زمین‌شناسی 0.029 و کمترین مقدار به عامل فاصله از رودخانه 0.008 اختصاص‌یافت. نقشه پهنه‌بندی نهایی نشان داد، کلاس حساسیت زیاد به سیل‌خیزی در محدوده 40.63% بیشترین و کلاس حساسیت خیلی کم 3.55% کمترین مساحت را به خود اختصاص داده است و مناطق جنوبی محدوده مطالعاتی از نظر آسیب پذیری سیل بیشترینحساسیت و مناطق شمالی محدوده مطالعاتی کمترین آسیب پذیری در برابر وقوع سیل را دارند.

future research and potential measurement of flood risk in tehran using svm vector support machine algorithm

future research involves a set of endeavors that visualize potential futures and plan for them by searching for resources, patterns, and factors of change or stability. future research reflects how the reality of &tomorrow& is born from the change (or stability) of &today.& the increasing trend of floods in recent years indicates that most parts of the country are exposed to destructive floods and the extent of flood damage and loss of life and property has increased. the purpose of this study was to predict the future of floods in tehran using the svm vector support machine algorithm. the research method is spatial analysis. the data used were prepared in the form of information layers. the criteria used were altitude, slope, direction of slope, land use, distance from the road, distance from the waterway, geology. the igr index was obtained for 7 effective factors selected for the occurrence of surface floods in the study area to evaluate the predictive ability of the model. the results showed that the weight of geological factors, altitude, land use, slope, slope direction, distance from the road, distance from the river were 0.029, 0.026, 0.025, 0.019, 0.015, 0.009, 0.008, respectively, with the highest values. 0.029 was assigned to the geological factor and 0.008 to the distance from the river. the final zoning map showed that the high susceptibility class to flooding was in the range of 40.63% and the very low sensitivity class was 3.55% in the lowest area.