کورش شیرانی؛ فرزاد حیدری؛ علیرضا عربعامری
چکیده
زمینلغزشها از مهمترین خطرات طبیعی هستند که نه تنها زندگی انسان را به خطر میاندازند، بلکه باعث ایجاد بار اقتصادی برای جامعه میشوند. با توجه به اهمیت تشخیص مناسبترین روش برآورد صحیح خطر زمینلغزش، در این پژوهش میزان کارایی دو روش شبکه عصبی مصنوعی و رگرسیون چندمتغیره مقایسه شد. بدین منظور ابتدا با استفاده از ...
بیشتر
زمینلغزشها از مهمترین خطرات طبیعی هستند که نه تنها زندگی انسان را به خطر میاندازند، بلکه باعث ایجاد بار اقتصادی برای جامعه میشوند. با توجه به اهمیت تشخیص مناسبترین روش برآورد صحیح خطر زمینلغزش، در این پژوهش میزان کارایی دو روش شبکه عصبی مصنوعی و رگرسیون چندمتغیره مقایسه شد. بدین منظور ابتدا با استفاده از عکسهای هوایی، تصاویر ماهوارهای، نقشههای زمینشناسی و بررسیهای میدانی نقشه پراکنش زمینلغزشها تهیه شد. همچنین، با استفاده از بررسیهای میدانی و مرور مطالعات انجام شده اقدام به بررسی و تعیین نه پارامتر موثر در رخداد زمینلغزش شامل لیتولوژی، کاربری اراضی، شیب، جهت شیب، ارتفاع، بارش، فاصله از گسل، فاصله از جاده و تراکم شبکه زهکشی شد. پس از تهیه لایههای اطلاعاتی با استفاده از GIS و وزندهی به عوامل موثر، با استفاده از نقشه پراکنش زمینلغزش، اقدام به تهیه نقشههای پهنهبندی خطر زمینلغزش با استفاده از روشهای شبکه عصبی مصنوعی و رگرسیون چند متغیره شده و نتایج مورد ارزیابی قرار گرفت. با توجه به اینکه برای ارزیابی مدل نمیتوان از همان لغزشهایی استفاده نمود که در پهنهبندی استفاده شدهاند، لذا، از بین نقاط لغزشی، 70 درصد (140 عدد) برای اجرای مدل و 30 درصد (60 عدد) برای ارزیابی مدلها مورد استفاده قرار گرفت. مقادیر شاخصهای مجموع کیفیت (QS) و دقت (P) بهترتیب برای روش شبکه عصبی (0.15 و 0.08) و برای روش رگرسیون چند متغیره (0.14 و 0.05) بوده که این نتایج بیانگر تناسب بیشتر نتایج مدل شبکه عصبی در پهنهبندی منطقه مورد مطالعه میباشد. بدین ترتیب با انتخاب بهترین روش پهنهبندی، میتوان به نقشه پهنهبندی خطر قابل اعتماد و نتایج مطلوبتری دست یافت.