تکنیک های انتخاب ویژگی الگوریتم های یادگیری ماشین مبنا در وقوع سیلاب شهر سنندج

عدم قطعیت در مطالعات مخاطرات طبیعی مانند سیلاب مربوط به عوامل ورودی در مدل سازی و انتخاب روش استفاده شده می باشد که بر نتایج نهایی تاثیرگذار است. انتخاب عوامل ورودی و ترتیب اهمیت آن ها نه تنها اولین مرحله در مدل سازی حساسیت پذیری، خطر و ریسک مناطق سیلابی در راستای افزایش عملکرد و قدرت پیش بینی روش های به کارگرفته است بلکه به برنامه ریزان سرزمین یک چشم انداز کلی نسبت به مهم ترین عوامل اثرگذار را نیز فراهم می آورد. در این پژوهش 19 عامل موثر بر وقوع سیلاب شهر سنندج شناسایی و به همراه 174 نقطه سیلابی و نیز 174 نقطه غیر سیلابی با یک ترکیب 80 به 20 تهیه و برای پردازش آماده سازی شدند. ابتدا بر اساس شاخص های vif و tol همبستگی درونی بین عوامل بررسی شد. سپس، تکنیک های تعیین ویژگی در یادگیری ماشین شامل information gain ratio (igr)،oner attribute evaluation (oner) و relieff attribute evaluation (relieff) استفده شدند. نتایج نشان داد بر اساس تکنیک igr تنها 10 عامل اما بر اساس الگوریتم های oner و relieff تمامی متغیرها و با تاکید بر کاربری ارضی، تراکم مناطق مسکونی و فاصله از مناطق مسکونی بر وقوع سیل شهر سنندج اهمیت داشتند. با جلوگیری از تغییر کاربری ارضی و مدیریت ساخت و سازهای فرسوده و جلوگیری از متراکم سازی با کاهش درصد اراضی غیرقابل نفوذ و افزایش زمان تمرکز و کاهش پاسخ هیدرولوژیک در مرکز شهر می توان مناطق سیلابی شهر سنندج را تا حدودی مدیریت کرد.