| تعداد نشریات | 56 |
| تعداد شمارهها | 2,164 |
| تعداد مقالات | 22,573 |
| تعداد مشاهده مقاله | 114,236,059 |
| تعداد دریافت فایل اصل مقاله | 51,892,795 |
کاربرد الگوریتمهای یادگیری ماشین در مدیریت خطر سیلاب با تأکید بر سکونتگاههای روستایی گردشگرپذیر (مطالعه موردی: منطقه نمونه گردشگری بیستون، استان کرمانشاه) | ||
| جغرافیا و مخاطرات محیطی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 12 آذر 1404 اصل مقاله (2.11 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22067/geoeh.2025.95982.1616 | ||
| نویسندگان | ||
| فرهاد جوان1؛ داود جمینی* 2؛ رامین آتش بهار3 | ||
| 1گروه مدیریت جهانگردی، دانشکده دانشکده میراث فرهنگی، صنایع دستی و گردشگری، دانشگاه مازندران، بابلسر، ایران | ||
| 2گروه ژئومورفولوژی، دانشکده منابع طبیعی، دانشگاه کردستان، سنندج، ایران (پژوهشگر پاره وقت پژوهشکده کردستانشناسی، دانشگاه کردستان، سنندج، ایران) | ||
| 3دانشجوی کارشناسی ارشد، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| با توجه به حضور گردشگران در فضاهای گردشگرپذیر، وقوع مخاطرات محیطی در این فضاها میتواند نسبت به دیگر مناطق، آسیبها و خسارات زیستمحیطی، جانی و مالی بیشتری را به همراه داشته باشد. از اینرو هدف پژوهش کاربردی حاضر، پهنهبندی خطر سیل و شناسایی روستاهای در معرض خطر سیل است که به صورت مطالعه موردی در منطقه نمونه گردشگری بیستون (شامل 60 روستا) انجام گرفته است. در راستای دستیابی به هدف اصلی پژوهش از 13 معیار و دو الگوریتم Cart و Simple RF استفاده شده است. نتایج الگوریتم Cart نشان داد 5/39 درصد از مساحت و 80 درصد از روستاها، در پهنههای خطر زیاد و بسیار زیاد قرار گرفته است. نتایج الگوریتم Simple RF نشان داد 1/36 درصد از مساحت و 75 درصد از روستاها در پهنههای خطر زیاد و بسیار زیاد قرار گرفتهاند. مقایسه پهنهبندی ها نشانگر شباهت زیاد نتایج آنها است با این تفاوت که الگوریتم Cart در شناسایی محدودههای پر خطر تاحدی سختگیرانهتر عمل کرده است. با این تفاوت که الگوریتم Cart در شناسایی محدودههای پر خطر تاحدی سختگیرانهتر عمل کرده است. نتایج صحتسنجی عملکرد الگوریتمها نشان داد علیرغم دقت بالای دو الگوریتم، الگوریتم Simple RF دقت بیشتری را نسبت به الگوریتم Cart داشته است. | ||
| کلیدواژهها | ||
| هوش مصنوعی؛ الگوریتمهای یادگیری ماشین؛ مخاطرات محیطی؛ توسعه روستایی؛ مناطق نمونه گردشگری | ||
| مراجع | ||
|
Ahmadzadeh, H., & Davarpanah, M. (2023). Spatial Analysis of Flood Risk with the Approach of Landuse Planning and Management in Urmia City. Journal of Geography and Environmental Hazards, 12(2), 63-80. [In Persian] https://doi.org/10.22067/geoeh.2022.77571.1255 Alyasiri, O. M., Selvaraj, K., Younis, H. A., Sahib, T. M., Almasoodi, M. F., & Hayder, I. M. (2024). A Survey on the Potential of Artificial Intelligence Tools in Tourism Information Services. Babylonian Journal of Artificial Intelligence, 4, 1–8. https://doi.org/10.58496/BJAI/2024/001 Asadi, M., Shayestefar, M., & Ganjaeian, H. (2026). Analysis of the Application of Artificial Intelligence in Environmental Hazard Management in Mountainous Regions. Journal of Environmental Research in Mountainous Regions, 2(1), 15-30. [In Persian] https://doi.org/10.22034/ermr.2025.144309.1032 Chaudhary, U., Shah, M. A. R., Shakya, B. M., & Aryal, A. (2024). Flood Susceptibility and Risk Mapping of Kathmandu Valley Watershed, Nepal. Sustainability, 16(16), 7101. https://doi.org/10.3390/su16167101 Chen, N., Yao, S., Wang, C., & Du, W. (2019). A Method for Urban Flood Risk Assessment and Zoning Considering Road Environments and Terrain. Sustainability, 11(10), 2734. https://doi.org/10.3390/su11102734 Ecemiş Kılıç, S., Efe Güney, M., Ayhan Selçuk, İ., Alğın Demir, K., & Gür, G. (2025). An Example of Vulnerability Analysis According to Disasters: Neighborhoods in the Southern Region of Izmir. Sustainability, 17(18), 8358. https://doi.org/10.3390/su17188358 Ganjaeian, H., Nosrati, M., Ebrahimi, A., & Ghisarian, S. S. (2025). Assessing the Vulnerability of Rural Areas Against Natural Hazards (Case Study: Villages of Oraman Region). Journal of Environmental Research in Mountainous Regions, 1(2), 57-70. [In Persian] https://doi.org/10.22034/ermr.2024.63510 García-Madurga, M. Á., & Grilló-Méndez, A. J. (2023). Artificial Intelligence in the tourism industry: An overview of reviews. Administrative Sciences, 13(8), 172. https://doi.org/10.3390/admsci13080172 General Directorate of Cultural Heritage, Tourism and Handicrafts of Kermanshah Province. (2025). Model Tourism Areas, available at: https://kermanshah.mcth.ir. [In Persian] Herischian, M., & Mahmoudzadeh, H. (2025). Evaluation of Urban Flood Risk Mitigation Ecosystem Service (UFRM) With A Short Term Approach (2 Years), Case Study: Tabriz Metropolitan. Journal of Geography and Environmental Hazards. [In Persian] https://doi.org/10.22067/geoeh.2025.94245.1589 Irawan, B. (2023). Impact of artificial intelligence on the tourism industry: A literature review. Journal of Social Science Research, 3(6), 4865-4878. https://j-innovative.org/index.php/Innovative Jamini, D., Javan, F., & Atashbahar, R. (2025). Application of artificial intelligence in locating eco-camps. Tourism Management Studies. [In Persian] https://doi.org/10.22054/tms.2025.85190.3055 Jamini, D., Komasi, H., Yazdi, A. K., Hanne, T., & Coluccio, G. (2025). Scenario Planning for Food Tourism in Iran’s Rural Areas: Ranking Strategies Using Picture Fuzzy AHP and COPRAS. Sustainability, 17(21), 9524. https://doi.org/10.3390/su17219524 Javan, F., Atashbahar, R., & Motalebpoor, A. (2025). Zoning of Environmental Hazards in Tourism Destinations with Emphasis on Flooding (Case Study: Sarvabad County, Kurdistan Province). Journal of Environmental Research in Mountainous Regions, 1(3), 43-56. [In Persian] https://doi.org/10.22034/ermr.2025.144141.1025 Kim, Y., & Newman, G. (2019). Climate Change Preparedness: Comparing Future Urban Growth and Flood Risk in Amsterdam and Houston. Sustainability, 11(4), 1048. https://doi.org/10.3390/su11041048 Kong, H., Wang, K., Qiu, X., Cheung, C., & Bu, N. (2023). 30 years of artificial intelligence (AI) research relating to the hospitality and tourism industry. International Journal of Contemporary Hospitality Management, 35(6), 2157-2177. https://doi.org/10.1108/IJCHM-03-2022-0354 Lacárcel, F. J. S. (2022). Main uses of artificial intelligence in digital marketing strategies linked to tourism. Journal of Tourism, Sustainability and Well-being, 10(3), 215-226. https://doi.org/10.34623/mppf-r253 Lv, H., Shi, S., & Gursoy, D. (2022). A look back and a leap forward: a review and synthesis of big data and artificial intelligence literature in hospitality and tourism. Journal of Hospitality Marketing & Management, 31(2), 145-175. https://doi.org/10.1080/19368623.2021.1937434. Mirchooli, F., Gholami, I., & Boroughani, M. (2024). Flood Susceptibility Mapping of the Famnat Watershed, Gilan Province. Water and Soil, 37(6), 841-853. [In Persian] https://doi.org/10.22067/jsw.2023.84146.1328 Nazariani, N., & Fallah, A. (2023). Landslide Risk Modeling using Data Mining in Hyrcanian Forests. Journal of Watershed Management Research, 14(27), 123-134. [In Persian] http://dx.doi.org/10.61186/jwmr.14.27.123 Peiris, M. T. O. V. (2024). Assessment of Urban Resilience to Floods: A Spatial Planning Framework for Cities. Sustainability, 16(20), 9117. https://doi.org/10.3390/su16209117 Rahimi, A., & Nastaran, M. (2025). Vulnerability Analysis of Facilities Against Flood with Emphasis on AHP Fuzzy Method (Case Study: Khorramabad City). Journal of Geography and Environmental Hazards, 14(1), 99-122. [In Persian] https://doi.org/10.22067/geoeh.2025.89239.1506 Ruan, X., Sun, H., Yu, Q., Shou, W., & Wang, J. (2025). A Game-Theoretic Combination Weighting–TOPSIS Integrated Model for Sustainable Floodplain Risk Assessment Under Multi-Return-Period Scenarios. Sustainability, 17(12), 5622. https://doi.org/10.3390/su17125622 Sadeghi, H., & Haseli, M. (2025a). Assessment the Vulnerability of Rural Tourism Destinations Against Flood Risk in Mountainous Regions (Case Study: Chaharmahal and Bakhtiari Province). Journal of Environmental Research in Mountainous Regions, 1(1), 1-14. [In Persian] https://doi.org/10.22034/ermr.2025.63294 Sadeghi, H., & Javan, F. (2024). The Evaluation of Tourist Villages of Iran in terms of Geophysical Vulnerability using Fuzzy Scenarios. Journal of Rural Research, 15(4), 85-100. [In Persian] https://doi.org/10.22059/jrur.2024.383580.1993 Sadeghi, H., & Javan, F. (2025). Vulnerability of Iranian tourism villages in terms of Landslide hazard using GIS. Geography, 23(84), 153-170. [In Persian] https://doi.org/10.22034/jiga.2025.2055364.1385 Shabani Hosainabadi, A., & Jamini, D. (2025). Zoning of Environmental Hazards in Rural Areas of Western Iran. Journal of Sustainable Rural Development, 9(1), 71-82. https://doi.org/10.22034/jsrd.2025.508315.1214 Solakis, K., Katsoni, V., Mahmoud, A. B., & Grigoriou, N. (2024). Factors affecting value co-creation through artificial intelligence in tourism: a general literature review. Journal of Tourism Futures, 10(1), 116-130. https://doi.org/10.1108/JTF-06-2021-0157 Somraj, N., Mupparaju, S. H., Karanayil, A., & Soundararajan, R (2025). Simple-RF: Regularizing Sparse Input Radiance Fields with Simpler Solutions. ACM Trans. Graph. 1(1), 1-43. https://doi.org/10.48550/arXiv.2404.19015 Tsaih, R. H., & Hsu, C. C. (2018). Artificial intelligence in smart tourism: A conceptual framework. In Proceedings of The 18th International Conference on Electronic Business (pp. 124-133). ICEB, Guilin, China, December 2-6. https://aisel.aisnet.org/iceb2018/89 Tuo, Y., Ning, L., & Zhu, A. (2021). How Artificial Intelligence Will Change the Future of Tourism Industry: The Practice in China. In: Wörndl, W., Koo, C., Stienmetz, J.L. (eds) Information and Communication Technologies in Tourism. Springer, Cham. https://doi.org/10.1007/978-3-030-65785-7_7 Vandana, S., Chandravanshi., & Akhtar, M. J. (2018). Simple RF Energy Harvesting Circuit Using AMC Backed Bowtie Antenna. 18th Mediterranean Microwave Symposium (MMS), Istanbul, Turkey, 287-290. https://doi.org/10.1109/MMS.2018.8611907 Yousefi, H., Yonesi, H. A., Davoudimoghadam, D., Arshia, A., & Shamsi, Z. (2022). Determination of Flood potential Using CART, GLM and GAM Machine learning Models. Irrigation and Water Engineering, 12(4), 84-105. [In Persian] https://doi.org/10.22125/iwe.2022.150684 Zhang, H., Jiang, X., Peng, S., Zhou, K., Xu, Z., & Wang, X. (2025). Coupled Risk Assessment of Flood Before and During Disaster Based on Machine Learning. Sustainability, 17(10), 4564. https://doi.org/10.3390/su17104564 Zsarnoczky, M. (2017). How does artificial intelligence affect the tourism industry?. Vadyba, 31(2), 85-90. https://www.ltvk.lt/VADYBA | ||
|
آمار تعداد مشاهده مقاله: 36 تعداد دریافت فایل اصل مقاله: 18 |
||