Resumen

Este estudio presenta la novedad de la inteligencia artificial en el análisis geoespacial para la evaluación de la vulnerabilidad a las inundaciones en Dire Dawa, Etiopía. Factores que causan inundaciones como la lluvia, la pendiente, el uso de la tierra, la elevación, el NDVI, el TWI, el SAVI, el factor K, el factor R, la distancia al río, la geomorfología, la distancia a las carreteras, el SPI y la densidad de población se utilizaron para entrenar el modelo de ANN. Los pesos se generaron en el modelo de ANN y se priorizaron. Se asignaron valores iniciales de forma aleatoria a la NN y se entrenaron con los procesos de retroalimentación. Los puntos de confirmación del suelo recopilados de los eventos de inundaciones históricas de 2006 se utilizaron como datos objetivo durante el entrenamiento. Un mapa de peligro de inundaciones aproximado generado en la retroalimentación se comparó con los datos reales, y los errores se propagaron de vuelta a la NN con la técnica de retro

• Materias:Infecciones Fracturas Analgésicos Actividades antioxidantes Erupciones
• Subjects:Infections Fractures Analgesics Antioxidant activities Eruptions
• Palabras claves:Inteligencia artificial; Análisis geoespacial; Evaluación de vulnerabilidad a inundaciones; Modelo de ANN; Eventos históricos de inundaciones; GIS-ANN
• Keywords:Artificial intelligence; Geospatial analysis; Flood vulnerability assessment; ANN model; Historical flood events; GIS-ANN