Assessment of Flood Susceptibility Using Multi-Criteria Decision Analysis and HEC-RAS. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF MS-Thesis-Abdikarim Moalim Mohamoud_202211460.pdf Restricted to Repository staff only until 8 August 2026. Download (5MB)

Arabic Abstract

تقدم هذه الدراسة إطارًا متكاملًا لتقييم قابلية التعرض للفيضانات ونمذجة الغمر في حوض نهر شبيلي في الصومال، وهي منطقة شديدة التأثر بالفيضانات المتكررة. يجمع هذا النهج بين نظم المعلومات الجغرافية (GIS) ، وتحليل القرار متعدد المعايير (MCDA)، وتعلم الآلة، ومحاكاة الهيدروليكي باستخدام نموذج HEC-RAS الأبعاد، وذلك لدعم إدارة مخاطر الفيضانات في المناطق التي تفتقر إلى البيانات. تم تطوير منحنيات IDF باستخدام بيانات هطول الأمطار اليومية لمدة 20 عامًا (2005–2024)، حيث تم تقييم ستة نماذج إحصائية. وتبيّن أن توزيع اللوغاريتمي الطبيعي (Lognormal) هو الأنسب (AIC = 205.33،BIC = 207.32، P(Mi|x) = 40.80)، مما وفر تقديرات موثوقة لشدة العواصف. وقد اشتملت خرائط قابلية التعرض للفيضانات على عاملاً بيئيًا وتضاريسي باستخدام طريقتين: عملية التحليل الهرمي (AHP) وخوارزمية التصنيف المعزز (GBC). وحقق AHP قيمة AUC بلغت 0.79 ونسبة اتساق بلغت 0.018، بينما تفوق عليه GBC بدقة بلغت 89.41% وقيمة AUC بلغت 0.96 استخدمت النمذجة الهيدروليكية بيانات تضاريس عالية الدقة وسجلات جريان الأنهار ومعاملات خشونة تمت معايرتها. وتمت محاكاة تدفقات الذروة بناءً على توزيع غو مبل لفترات تكرار متعددة باستخدام HEC-RAS، حيث أظهرت النتائج أعماق غمر تتجاوز 5 أمتار وسرعات تزيد عن 3 م/ث في مناطق حرجة مثل بلدوين. وقد أكدت عملية التحقق من النموذج دقة مكانية عالية. تُظهر هذه الدراسة أهمية دمج نظم المعلومات الجغرافية، والتحليل الإحصائي، وتعلم الآلة، والنمذجة الهيدروليكية لتوفير رؤى موثوقة حول مخاطر الفيضانات، مما يسهم في التخطيط والتخفيف من آثار الكوارث.

English Abstract

This study presents an integrated framework to assess flood susceptibility and simulate inundation in the Shebelle River Basin, Somalia, which is highly vulnerable to recurrent floods. The approach combines Geographic Information Systems (GIS), Multi-Criteria Decision Analysis (MCDA), machine learning, and HEC-RAS hydraulic simulations to support flood risk management in data-scarce regions. The IDF curves were developed using 20 years (2005–2024) of daily rainfall data, with six statistical models evaluated. The Lognormal distribution proved most suitable (AIC = 205.33, BIC = 207.32, P(Mi|x) = 40.80), providing reliable storm intensity estimates. Flood susceptibility mapping incorporated environmental and topographic factors using two approaches: Analytic Hierarchy Process (AHP) and Gradient Boosting Classifier (GBC). AHP achieved an AUC of 0.79 with a Consistency Ratio of 0.018, while GBC outperformed it with 89.41% accuracy and an AUC of 0.96. The hydraulic modeling used high-resolution terrain data, streamflow records, and calibrated roughness coefficients. Gumbel distribution-based peak flows for multiple return periods were simulated in HEC-RAS, revealing inundation depths over 5 meters and velocities exceeding 3 m/s in critical zones like Beledweyne. Model validation confirmed high spatial accuracy. This study demonstrates the value of integrating GIS, statistical analysis, machine learning, and hydraulic modeling to deliver reliable flood risk insights for planning and disaster mitigation.

Item Type:	Thesis (Masters)
Subjects:	Civil Engineering Civil Engineering > Water and Environmental Engineering
Department:	College of Design and Built Environment > Civil and Environmental Engineering
Committee Advisor:	Ahmed M. Ahmed Al Areeq, A.M.A.-A.
Committee Members:	Md Shakhawat Hossain Chowdhury, H.S., S.C and Mohammed S. Al-Suwaiyan, M.S.A.-S.,
Depositing User:	ABDIKARIM MOHAMOUD (g202211460)
Date Deposited:	10 Aug 2025 06:09
Last Modified:	10 Aug 2025 06:09
URI:	http://eprints.kfupm.edu.sa/id/eprint/143648