fa ارزیابی صحت‌سنجی مدل‌های یادگیری ماشین در پهنه‌بندی حساسیت زمین‌لغزش مدلسازی و تحلیل زمانی و مکانی رخداد انواع مختلف فرسایش محیطی مستخرج از پایان‌نامه / رساله / طرح پژوهشی زمین‌لغزش یکی از بلایای طبیعی با اثرات مخرب بر روی زیرساخت‌ها و محیط زیست است. هدف اصلی این تحقیق، ارزیابی دقت و اعتبار مدل‌های مختلف یادگیری ماشین شامل حداکثر آنتروپی، جنگل تصادفی و ماشین‌های بردار پشتیبان در پیش‌بینی وقوع زمین‌لغزش با استفاده از 16 عامل موثر در رخداد زمین لغزش در حوزه آبخیز چسب در استان زنجان است.&nbsp; با استفاده از 70 درصد نقاط لغزشی برای آموزش و 30 درصد برای اعتبارسنجی، دقت مدل‌ها ارزیابی شد. نتایج مدل حداکثر آنتروپی نشان داد که 83/49 درصد مساحت در کلاس حساسیت خیلی کم و کم، 17/30 درصد در کلاس حساسیت متوسط و 20 درصد در کلاس حساسیت زیاد و خیلی زیاد قرار دارند، با مساحت زیر نمودار ROC برابر با 911/0 که نشان‌دهنده قابلیت خوب مدل است. همچنین، مدل جنگل تصادفی نشان داد که 31/74 درصد مساحت در کلاس‌های حساسیت خیلی کم و کم، 94/12 درصد در کلاس متوسط و 76/12 درصد در کلاس‌های حساسیت زیاد و خیلی زیاد قرار دارد، با مساحت زیر نمودار ROC برابر با 934/0. مدل ماشین‌بردار پشتیبان نیز نتایج مشابهی ارائه داد؛ به‌طوری‌که 05/73 درصد مساحت در کلاس‌های حساسیت خیلی کم و کم، 15/8 درصد در کلاس متوسط و 83/18 درصد در کلاس‌های حساسیت زیاد و خیلی زیاد قرار گرفت، با مساحت زیر نمودار ROC برابر با 873/0. بر اساس ارزیابی‌ها، مدل جنگل تصادفی به‌عنوان بهترین مدل شناخته شد که دقت بالایی در پیش‌بینی خطر زمین‌لغزش دارد و تطابق بالایی با شرایط واقعی منطقه دارد.<br> &nbsp; <p>Landslides are natural disasters that cause destructive effects on infrastructure and the environment. The main objective of this study is to evaluate the accuracy and reliability of various machine learning models&mdash;including Maximum Entropy, Random Forest, and Support Vector Machines&mdash;in predicting landslide occurrence using 16 influential factors in the Chesb watershed of Zanjan province. Using 70% of landslide occurrences for training and 30% for validation, the models&#39; accuracies were assessed. The Maximum Entropy model results showed that 49.83% of the area falls into very low and low susceptibility classes, 30.17% in the moderate susceptibility class, and 20% in the high and very high susceptibility classes, with an area under the ROC curve (AUC) of 0.911, indicating good model performance. The Random Forest model indicated that 74.31% of the area belongs to the very low and low susceptibility classes, 12.94% to the moderate class, and 12.76% to the high and very high susceptibility classes, with an AUC of 0.934. Likewise, the Support Vector Machine model provided similar results, with 73.05% of the area in very low and low susceptibility classes, 8.15% in the moderate class, and 18.83% in the high and very high classes, with an AUC of 0.873. Based on these evaluations, the Random Forest model was identified as the best model, offering high accuracy in predicting landslide hazards and strong alignment with the real conditions of the region.</p> <p></p> حوزه آبخیز چسب, زمین لغزش, حساسیت زمین لغزش, مدل‌های یادگیری ماشین, ریسک Chesb watershed, landslide, landslide susceptibility, machine learning models, risk 0 0 http://magazine.hormozgan.ac.ir/browse.php?a_code=A-10-83-7&slc_lang=fa&sid=1 ghobad rostamizad قباد رستمی زاد rostamizad60@gmail.com 100319475328460010265 100319475328460010265 Yes Soil Conservation and Watershed Management Research Department, Zanjan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Zanjan, Iran. بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران kourosh shirani کورش شیرانی k_sh424@yahoo.com 100319475328460010266 100319475328460010266 No Soil Conservation and Watershed Management Research Institute, Agricultural Research, Education and Extension Organization (AREEO), Tehran, Iran پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران Zahra abdollahi زهرا عبداللهی abdollahi.zhr.65@gmail.com 100319475328460010267 100319475328460010267 No Soil Conservation and Watershed Management Research Department, Zanjan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Zanjan, Iran. بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران hasan Shademan حسن شادمان h.shadman.a@gmail.com 100319475328460010268 100319475328460010268 No Soil Conservation and Watershed Management Research Department, Zanjan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Zanjan, Iran. بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان زنجان، سازمان تحقیقات، آموزش و ترویج کشاورزی، زنجان، ایران