Machine learning techniques for urban flood risk assessment

Abstract Floods can cause severe damage in urban environments. In regions lacking hydrological and hydraulic data, spatial urban flood modeling and mapping can enable city authorities to predict the intensity and spatial distribution of floods. These predictions can then be used to develop effective flood prevention and management plans. In this doctoral thesis, flood inventory data for Mazandaran, Iran were prepared based on historical and field survey data from the Sari and Amol municipalities and the regional water company. Flood risk maps were produced using several machine learning (ML) algorithms: GARP, QUEST, RF, j48DT, CART, LMT, ANN-SGW, SVM, MAXENT, BRT, MARS, GLM, GAM, Ensemble, MLPNN, and MultiB-MLPNN models. The flood influencing factors used in modeling were precipitation, slope, curve number, distance to river, distance to channel, depth to groundwater, land use, and elevation. Two equal sets of points were identified randomly for both categories of flooded and non-flooded areas. Therefore, 113 (for Sari city) and 118 (for Amol city) locations for each category were identified. Each set is divided into training (70%) and testing (30%) groups. The flood locations were assigned a value of 1, and non-flood locations were assigned a value of 0. Different conditioning factors, including urban density, quality of buildings, age of buildings, population density, and socio-economic conditions were considered to analyze urban flood vulnerability. Several confusion matrix criteria were applied to evaluate the accuracy of the ML algorithms. The results demonstrated that the ANN-SGW (as the optimized model), GARP (as the standalone model), Ensemble (BRT, MARS, GLM, and GAM), and MultiB-MLPNN models (as the hybridized model) had the highest performance accuracy, with area under the curve (AUC) values of 0.963, 0.935, 0.925, and 0.847 respectively. The results also indicated that distance to channel played a major role in flood hazard determination, whereas population density was the most important factor in terms of urban flood vulnerability. These findings demonstrate that machine learning models can support flood risk mapping, especially in areas where detailed hydraulic and hydrological data are not available.Tiivistelmä Tulvat voivat aiheuttaa vakavia vahinkoja kaupunkiympäristössä. Alueilla, joista hydrologisia ja hydraulisia tietoja ei ole kattavasti saatavilla, kaupunkitulvien alueellinen mallinnus ja kartoitus avaavat mahdollisuuden viranomaisille arvioida tulvien alueellista jakautumista ja voimakkuutta. Mallinnus auttaa päätöksentekijöitä kehittämään toimivia tulvien ehkäisy- ja hallintasuunnitelmia. Tässä tutkimuksessa tulvainventointitiedot laadittiin Sarin ja Amolin kuntien sekä Iranin Mazandaranin vesiyhtiön historiallisten ja kenttätutkimusten tietojen perusteella. Tulvariskikarttoja tuotettiin useilla koneoppimisalgoritmeillä: GARP, QUEST, RF, j48DT, CART, LMT, ANN-SGW, SVM, MAXENT, BRT, MARS, GLM, GAM, Ensemble, MLPNN, ja MultiB-MLPNN mallit. Mallinnuksessa käytettyjä tulviin vaikuttavia tekijöitä olivat sadanta, maanpinnan kaltevuus, käyrän numero, etäisyys jokeen, etäisyys kanavaan, etäisyys pohjaveden pintaan, maankäyttö ja maanpinnan korkeus. Kaksi samanlaista pistejoukkoa tunnistettiin satunnaisesti sekä tulvivalla että tulvattomalla alueella ja siksi kullekin luokalle tunnistettiin 113 (Sarin kaupunki) ja 118 (Amolin kaupunki) sijaintia. Jokainen sarja on jaettu koulutusryhmiin (70 %) ja testausryhmiin (30 %). Tulvapaikoille määritettiin arvo 1 ja tulvattomille arvo 0. Kaupunkien tulvahaavoittuvuuden analysoinnissa arvioitiin erilaisia tekijöitä, kuten rakennustiheys, rakennusten laatu, rakennusten ikä, väestötiheys ja sosioekonomiset olosuhteet. ML-algoritmien tarkkuuden arvioimiseksi käytettiin useita sekaannusmatriisikriteerejä. Tulokset osoittivat, että ANN-SGW (optimoitu malli), GARP (erillisenä mallina), yhdistelmä-ensemble (BRT, MARS, GLM ja GAM) ja MultiB-MLPNN-mallit (hybridimallina) tuottivat muita paremman suorituksen tarkkuuden, AUC=0.963, AUC=0.935, AUC=0.925 ja AUC=0.847, edellä mainitussa järjestyksessä. Tulokset osoittivat myös, että etäisyys kanavaan oli tärkeässä asemassa tulvariskien määrittämisessä, kun taas väestötiheys oli haavoittuvuuden kannalta tärkein tekijä. Nämä havainnot osoittavat, että koneoppimismallit voivat auttaa tulvariskikartoituksessa erityisesti alueilla, joilla yksityiskohtaisia hydrauliikka- ja hydrologisia tietoja ei ole saatavilla