文献

J-GLOBAL ID：202002240266671349   整理番号：20A2565791

都市洪水リスクマッピングにおける危険と脆弱性:機械学習技術と都市地区の役割を考慮した【JST・京大機械翻訳】

Hazard and vulnerability in urban flood risk mapping: Machine learning techniques and considering the role of urban districts

著者 (4件)： Eini Mohammad (Department of Civil Engineering, Jundi-Shapur University of Technology, Dezful, Iran) ,  Kaboli Hesam Seyed (Department of Civil Engineering, Jundi-Shapur University of Technology, Dezful, Iran) ,  Rashidian Mohsen (Department of Civil Engineering, Jundi-Shapur University of Technology, Dezful, Iran) ,  Hedayat Hossein (Department of Civil Engineering, Jundi-Shapur University of Technology, Dezful, Iran)
資料名： International Journal of Disaster Risk Reduction  (International Journal of Disaster Risk Reduction)
巻： 50  ページ： Null  発行年： 2020年 
JST資料番号： W3381A  ISSN： 2212-4209  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 都市洪水リスクマッピングは,特に洪水被害の低減において,都市管理と計画において決定的役割を果たす。本研究では,洪水リスクマップを,洪水ハザードと洪水脆弱性マップを結合することによって,Kermanshah市(イラン)のために作成した。都市洪水の実効因子に基づいて,洪水ハザードマップを,2つの機械学習モデル,すなわち最大エントロピー(MaxEnt)と遺伝的アルゴリズムRule-Set生産(GARP)を用いて作成した。これらのモデルを,Kermanshah市の報告と野外調査,および163の非浸水点に関して同定した117の洪水サイトについて開発した。経済的,社会的,およびインフラストラクチャー基準を,洪水脆弱性を分析するために考慮した。サブ基準は,洪水に関係する発展途上国と都市インフラ施設における社会的および文化的構造に基づいて定義された。ファジィ解析階層プロセス法(FAHP)を適用して,全体の重みベクトルを決定した。結果は,MaxEntモデルが,受信者動作特性曲線(AUC-ROC=96.76-98.32%)とカッパ統計(Kappa=0.82-0.86)の下の領域である2つの一般的指数に基づくGARPモデルより良い性能を有することを示した。これらの知見は,機械学習モデルが,特に発展途上国において,データアクセスが挑戦的な地域に対して信頼できる結果を提供することを示した。結果はまた,インフラ基準が脆弱性に及ぼす最も高い衝撃重量を有することを示した。一般に,人口,都市テクスチャ,および主要な排水路までの距離は洪水リスクを増加させる最も重要な因子である。また,都市近隣の脆弱性は洪水のリスクを大きく増加させる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 衝撃 ,  ベクトル ,  *洪水 ,  *都市 ,  排水路 ,  発展途上国 ,  浸水 ,  水害 ,  インフラストラクチャー ,  *機械学習 ,  遺伝的アルゴリズム
準シソーラス用語： 脆弱性 ,  *洪水リスク ,  *都市洪水 ,  ハザード , 【Automatic Indexing@JST】

著者キーワード (5件)： 都市洪水 ,  インフラストラクチャー脆弱性 ,  GIS ,  データマイニング ,  最大エントロピー

分類 (2件)： 自然災害  (RA02030M) ,  洪水対策  (RC12040I)

タイトルに関連する用語 (7件)： 都市 ,  洪水リスク ,  マッピング ,  脆弱性 ,  機械学習技術 ,  地区 ,  役割