موسسه انتشارات دانشگاه تهران تحقیقات آب و خاک ایران 2008-479X 57 7 2026 09 23 Assessing Climate Change Impacts on Flood Frequency Across Different Return Periods Using Machine Learning: A Case Study of the Poldokhtar Basin ارزیابی اثر تغییر اقلیم بر فراوانی سیلاب‌های با دوره بازگشت مختلف با رویکرد یادگیری ماشین: مطالعه موردی حوضه آبریز پلدختر 1537 1558 108829 10.22059/ijswr.2026.416858.670163 FA محمد فلاح کلاکی گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین‌المللی امام خمینی (ره)، قزوین، ایران 0009-0005-5658-4046 اصغر عزیزیان گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین‌المللی امام خمینی (ره)، قزوین، ایران. 0000-0002-6556-2931 هادی رمضانی اعتدالی گروه علوم و مهندسی آب ، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران 0000-0002-4840-0201 Journal Article 2026 06 18 Climate change is one of the major drivers altering the hydrological regime of watersheds and intensifying extreme events such as floods. This study aimed to assess the impacts of climate change on flood frequency in the Poldokhtar Basin, Iran. To this end, precipitation data from CMIP6 climate models under the SSP126, SSP245, SSP370, and SSP585 scenarios were extracted and bias-corrected using the XGBoost algorithm. The results indicated that MAE decreased from 2.1–2.4 mm to 1.1–1.5 mm, while RMSE was reduced from 6.2–7 mm to 4–4.8 mm after bias correction. Furthermore, the calibration results of the MME-XGBoost model demonstrated satisfactory performance, with correlation coefficients ranging from 0.78 to 0.84 and Nash–Sutcliffe Efficiency (NSE) values between 0.58 and 0.70. Daily streamflow was subsequently simulated using the ANFIS-PSO model, which achieved coefficients of determination (R²) of 0.84 and 0.74 during the training and testing phases, respectively, with normalized root mean square errors (NRMSE) of 0.35 and 0.40. Flood frequency analysis indicated that the impacts of climate change become more pronounced with increasing return periods. During the 2076–2100 period, the 50- and 100-year flood discharges are projected to increase by approximately 50% and 68%, respectively, relative to the baseline period (1985–2014). The highest frequency of flood events was observed in March. The findings emphasize the necessity of revising hydraulic structure design criteria and flood risk management strategies under future climate conditions. تغییر اقلیم یکی از عوامل اصلی تغییر در رژیم هیدرولوژیکی حوضه‌های آبریز و تشدید رخدادهای حدی نظیر سیلاب است. هدف این پژوهش، ارزیابی اثر تغییر اقلیم بر فراوانی سیلاب در حوضه آبریز پلدختر است. بدین منظور، داده‌های بارش مدل‌های اقلیمی CMIP6 تحت سناریوهای SSP126، SSP245، SSP370 و SSP585 استخراج و با الگوریتم XGBoost اصلاح اریبی شدند. نتایج نشان داد که مقادیر MAE از 1/2 تا 4/2 به 1/1 تا 5/1 میلی‌متر و RMSE از 2/6 تا 7 به 4 تا 8/4 میلی‌متر کاهش یافت. همچنین نتایج واسنجی مدل MME-XGBoost با ضریب همبستگی 84/0–78/0 و NSE برابر 7/0–58/0 عملکرد مطلوبی را نشان داد. سپس دبی روزانه با استفاده از مدل ANFIS-PSO شبیه‌سازی شد که در مرحله آموزش و آزمون دارای ضریب تعیین 84/0 و 74/0 با خطای نسبی (NRMSE) 35/0 و 4/0 است. تحلیل فراوانی سیلاب نشان داد که اثر تغییر اقلیم با افزایش دوره بازگشت تشدید می‌شود. در افق 2076–2100، دبی سیلاب 50 و 100 ساله به‌ترتیب حدود 50 و 68 درصد نسبت به دوره پایه (2014-1985) افزایش یافت. بیشترین فراوانی سیلاب‌ها در مارس مشاهده شد. نتایج، ضرورت بازنگری در طراحی سازه‌های هیدرولیکی و مدیریت خطر سیلاب تحت شرایط اقلیمی آینده را نشان می‌دهد. https://ijswr.ut.ac.ir/article_108829_7d1d8bfc2e16c69a17ac833597e2a9b0.pdf