ارزیابی ریسک سیلاب با استفاده از روش‌های تصمیم‌گیری چندمعیاره و داده‌کاوی (مطالعه موردی: منطقه چهار شیراز)

رشد جمعیت، توسعه شهرنشینی و تغییر کاربری اراضی باعث افزایش رویداد سیلاب‌های ویرانگر شده است. ایران نیز در میان کشورهای با خطرپذیری بالای سیل قرار دارد، به‌طوری که سیلاب‌های ویرانگر بهار 1398 با مرگ و میر و خسارت‌های مالی چشمگیری در بیش از ده استان کشور از آخرین نمونه‌های خسارات سیلاب است. هدف از این پژوهش تهیه نقشه ریسک سیلاب شهری منطقه چهار شیراز است که برای این امر آسیب‌پذیری منطقه با مدل‌های تصمیم‌گیری چندمعیاره promethee ⅱ، copras و محدوده‌های خطر سیلاب شهری با مدل‌های حداقل مربعات جزئی (pls) و رگرسیون ستیغی (rr) تهیه شد و با استفاده از حاصل‌ضرب آسیب‌پذیری در احتمال خطر در محیط نرم‌افزار arcgis نقشه ریسک به‌دست آمد. بر اساس نتایج پژوهش، پس از طبقه‌بندی میزان آسیب‌پذیری، بیشترین درصد منطقه مورد مطالعه در مدل promethee ⅱ و copras مربوط به طبقه متوسط آسیب‌پذیری است. ارزیابی خروجی مدل‌های آسیب‌پذیری، با استفاده از منطق بولین و آماره‌های rmse و mape نشان داد که مدل copras نتایج بهتری نسبت به مدل promethee ⅱ ارائه کرده است. نتایج مدل‌های حداقل مربعات جزئی (pls) و رگرسیون ستیغی (rr) در مدل‌سازی احتمال خطر سیلاب به‌وسیله دیاگرام تیلور مورد تحلیل قرار گرفت که نشان‌دهنده برتری مدل رگرسیون ستیغی (rr) و دقت این مدل در تهیه نقشه خطر سیلاب شهری است. بررسی نقشه ریسک نشان داد که 34 درصد از منطقه (973 هکتار) در محدوده خطر زیاد و بسیار زیاد سیلاب قرار دارد.

flood risk assessment using multi-criteria decision-making models (mcdm) and data mining methods (case study: shiraz district 4)

population growth, urbanization, and land use change have increased disastrous floods. iran is also among the countries at high risk of floods. the latest examples of flood damage are the devastating floods of the spring of 2019 with significant mortality and financial losses in more than ten provinces of the country. the purpose of this study is to prepare an urban flood risk map of district 4 city shiraz. the vulnerability of the region was made using promethee ⅱ and copras multi criteria decision making models and urban flood hazard zones were prepared by partial least squares regression (plsr) and ridge regression (rr) models and a risk map was obtained by multiplying the vulnerability and hazard in arcgis software. the highest percentage of the study area in the promethee ⅱ and copras models belongs to the moderate class of vulnerability. the evaluation of the vulnerability models using boolean logic and rmse and mape statistics, showed that the copras model provided better results than the promethee model. the results of partial least square regression (plsr) and ridge regression (rr) models in flood risk modeling were analyzed by the taylor diagram, which showed the superiority of the ridge regression (rr) model and the accuracy of this model in preparing urban flood hazard maps. the risk map of the study area indicated that 34% of the area (973 ha) is in the range of high and very high flood risk.