Flood is one of the important destructive natural disasters in the world. Therefore, preparing flood susceptibility map is necessary for flood management and mitigation in a region. This research was planned to compare the performance of frequency ratio (FR), adaptive neuro-fuzzy inference system (ANFIS), and random forest (RF) models for flood susceptibility mapping (FSM) in the Gilan Province, Iran. First, a geospatial database included 220 flood locations and eleven effective flood factors (slope angle, aspect, altitude, distance from rivers, drainage density, lithology, land use, topographic wetness index (TWI), and stream power index (SPI)) were produced. According to flood locations, 30–70% of them were used for training and validation of the models, respectively. Afterward, the mean of Gini reduction was used to determine the priority of effective flood factors. Finally, the receiver operating characteristic (ROC) curve, area under the curve (AUC), was used to evauate and compare the performance of the models. The validation results of the models show that FR, ANFIS, and RF models had 68.6, 63.9, and 71.3% accuracy, respectively. In addition, distance from rivers, altitude, and drainage density was the most important factor for FSM in the study area. The finding of the current research proved a reasonable prediction performance for the models. Therefore, these models can be proposed for preparing FSM in similar climatic and physiographic areas and flood susceptibility maps can be used to manage floodplains in the study area.

中文翻译：

---

随机森林和自适应神经模糊推理系统数据挖掘模型在洪水敏感性制图中的性能比较

洪水是世界上重要的破坏性自然灾害之一。因此，准备洪水敏感性图对于区域的洪水管理和减灾是必要的。计划进行这项研究，以比较频率比（FR），自适应神经模糊推理系统（ANFIS）和随机森林（RF）模型在伊朗吉兰省的洪水敏感性地图（FSM）的性能。首先，一个地理空间数据库包含220个洪水位点和11个有效洪水因子（坡度，坡向，海拔，距河流的距离，排水密度，岩性，土地利用，地形湿度指数（TWI）和河道动力指数（SPI））。生产的。根据洪水发生的地点，其中30％至70％分别用于模型的训练和验证。之后，基尼系数减少的平均值用于确定有效洪水系数的优先级。最后，使用接收器工作特性（ROC）曲线，曲线下面积（AUC）评估和比较模型的性能。模型的验证结果表明，FR，ANFIS和RF模型的准确率分别为68.6％，63.9和71.3％。此外，与河流的距离，海拔高度和排水密度是研究区域内FSM的最重要因素。当前研究的发现证明了模型的合理预测性能。因此，可以建议使用这些模型在类似的气候和地理区域内准备FSM，并且可以使用洪水敏感性图来管理研究区域的洪泛区。曲线下的面积（AUC）用于评估和比较模型的性能。模型的验证结果表明，FR，ANFIS和RF模型的准确率分别为68.6％，63.9和71.3％。此外，与河流的距离，海拔高度和排水密度是研究区域内FSM的最重要因素。当前研究的发现证明了模型的合理预测性能。因此，可以建议使用这些模型在类似的气候和地理区域内准备FSM，并且可以使用洪水敏感性图来管理研究区域的洪泛区。曲线下的面积（AUC）用于评估和比较模型的性能。模型的验证结果表明，FR，ANFIS和RF模型的准确度分别为68.6％，63.9和71.3％。此外，与河流的距离，海拔高度和排水密度是研究区域内FSM的最重要因素。当前研究的发现证明了模型的合理预测性能。因此，可以建议使用这些模型在类似的气候和地理区域内准备FSM，并且可以使用洪水敏感性图来管理研究区域的洪泛区。海拔高度和排水密度是研究区域内FSM的最重要因素。当前研究的发现证明了模型的合理预测性能。因此，可以建议使用这些模型在类似的气候和地理区域内准备FSM，并且可以使用洪水敏感性图来管理研究区域的洪泛区。海拔高度和排水密度是研究区域内FSM的最重要因素。当前研究的发现证明了模型的合理预测性能。因此，可以建议使用这些模型在类似的气候和地理区域内准备FSM，并且可以使用洪水敏感性图来管理研究区域的洪泛区。