تقنيات تعلم الآلة Ml ونظم المعلومات الجغرافية Gis في رسم خرائط مخاطر الفيضانات

حالة المسيلة

الملخص

تلعب نظم المعلومات الجغرافية GIS دورا هاما في توفير وتصميم خرائط الفيضانات واحتمالية حدوثها، خصوصا من خلال دمجها مع تقنيات التعلم الآلي ML الحديث، هدفت هذه الورقة البحثية لإبراز مدى أهمية الدمج بين التقنيتين في رسم خرائط مخاطر الفيضانات، ومن أجل تحقيق هذا الهدف قمنا بدراسة حالة مدينة المسيلة، التي تعد من بين أكثر المناطق في الجزائر عرضة لهذا النوع من الأخطار. توصلت هذه الأخيرة لرسم خريطة باستخدام نظم المعلومات الجغرافية تحدد المناطق الأكثر عرضة لخطر الفيضانات في مدينة المسيلة وتحقيق الهدف المطلوب، وذلك بعد المقارنة بين نتائج 3 خوارزميات تعلم آلة ML، هي نموذج تعزيز التدرج الشديد xGboost، خوارزمية الغابة العشوائية Random Forest، وخوارزمية الجار الأقرب K Nearest Neighbor، حيث أعطت كل من هذه الخوارزميات معدل دقة معين Accuracy ، بلغ هذا الأخير على التوالي % 97.92 ، 95 %، 93,75 %، أخيرا تم الاعتماد في عملية رسم الخريطة النهائية على النموذج الأول والذي أعطى أكبر دقة وهو نموذج xGboost