<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>مؤسسه انتشارات دانشگاه تهران</PublisherName>
				<JournalTitle>مدیریت آب و آبیاری</JournalTitle>
				<Issn>2251-6298</Issn>
				<Volume>11</Volume>
				<Issue>3</Issue>
				<PubDate PubStatus="epublish">
					<Year>2021</Year>
					<Month>10</Month>
					<Day>23</Day>
				</PubDate>
			</Journal>
<ArticleTitle>A Review on the methods of the debris-flow prediction and warning</ArticleTitle>
<VernacularTitle>مروری بر روش‌های پیش‌بینی و هشدار سیلاب واریزه‌ای</VernacularTitle>
			<FirstPage>607</FirstPage>
			<LastPage>616</LastPage>
			<ELocationID EIdType="pii">84099</ELocationID>
			
<ELocationID EIdType="doi">10.22059/jwim.2021.329769.914</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>میترا</FirstName>
					<LastName>تنهاپور</LastName>
<Affiliation>دانشجوی دکتری، گروه مهندسی آب، دانشکده پردیس ابوریحان، دانشگاه تهران، تهران، ایران</Affiliation>
<Identifier Source="ORCID">0000-0002-9260-1094</Identifier>

</Author>
<Author>
					<FirstName>محمد ابراهیم</FirstName>
					<LastName>بنی حبیب</LastName>
<Affiliation>استاد، گروه مهندسی آب، دانشکده پردیس ابوریحان، دانشگاه تهران، تهران، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2021</Year>
					<Month>08</Month>
					<Day>31</Day>
				</PubDate>
			</History>
		<Abstract>Debris flows can create severe damage for humans&#039; life and estate especially in the mountainous areas. The frequency of debris flow occurrence has an increasing trend due to climate change. Therefore, it is necessary to evaluate the prediction methods of this phenomenon to identify an appropriate approach for reducing its danger and people awareness. In recent years, rainfall threshold, regression logistic model and data mining methods were mainly employed for predicting these flows. In this study, a review on the mentioned methods for predicting debris flows reveals that it is better to select the convenient method for predicting debris flow based on the conditions and characteristics of the case study so that one or a combination of these methods may provide appropriate results. Generally, among the mentioned methods, data mining approaches are recommended as superior method in this study because of easy application, high accuracy and lack of requirement for the large number of observed data especially in areas that have data shortage problem. The current study can be effective for identifying debris flows prediction approaches to reduce its damage.</Abstract>
			<OtherAbstract Language="FA">سیلاب‌های واریزه‌ای می‌توانند خسارات شدیدی برای زندگی و اموال انسان‌ها به ویژه در مناطق پرجمعیت کوهستانی ایجاد کنند. در اثر تغییر اقلیم، فراوانی وقوع سیلاب واریزه‌ای روند افزایشی دارد. بنابراین ارزیابی روش‌های پیش‌بینی این پدیده جهت شناسایی رویکرد مناسب برای کاهش خطر و آگاهی مردم ضرورت دارد. در سال‌های اخیر، عمدتاً از رویکردهای آستانه‌های بارندگی، مدل‌های رگرسیون لجستیک و داده‌کاوی برای پیش‌بینی این جریان‌ها استفاده شده است. در این مطالعه مروری بر روش‌های یاد شده برای پیش‌بینی سیلاب واریزه‌ای نشان می‌دهد، جهت انتخاب روش مناسب برای پیش‌بینی سیلاب واریزه‌ای بهتر است بر اساس شرایط و ویژگی‌های منطقه مورد مطالعه تصمیم‌گیری شود طوری‌که ممکن است یک یا ترکیبی از این روش‌ها نتایج مناسبی ارائه دهد. به طور کلی در میان روش‌های مذکور، رویکردهای مبتنی بر داده، به دلیل سهولت کاربرد، دقت بالا و عدم نیاز به تعداد زیاد داده‌های مشاهداتی به ویژه در مناطقی که با مشکل کمبود داده مواجه هستند، به عنوان روش برتر در این تحقیق توصیه می‌شود. مطالعه حاضر می‌تواند برای شناسایی رویکردهای پیش‌بینی سیلاب واریزه‌ای جهت کاهش خسارات ناشی از آن مؤثر باشد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">آستانه های بارندگی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">داده کاوی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">سیلاب واریزه ای</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مدل رگرسیون لجستیک</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jwim.ut.ac.ir/article_84099_f5d9c08c602145792a1095e92ce0dc73.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
