%0 Journal Article %T مقایسه روش‌های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پهنه‌بندی خطر زمین‌لغزش، مطالعه موردی: حوضه ونک، استان اصفهان %J مهندسی و مدیریت آبخیز %I پژوهشکده حفاظت خاک و آبخیزداری %Z 2251-9300 %A شیرانی, کورش %A حیدری, فرزاد %A عرب‌عامری, علیرضا %D 2017 %\ 12/22/2017 %V 9 %N 4 %P 451-464 %! مقایسه روش‌های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پهنه‌بندی خطر زمین‌لغزش، مطالعه موردی: حوضه ونک، استان اصفهان %K پهنه‌بندی %K زمین‌لغزش %K شبکه عصبی مصنوعی %K رگرسیون چندمتغیره %K حوضه ونک %R 10.22092/ijwmse.2017.101725.1031 %X 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. %U https://jwem.areeo.ac.ir/article_113464_9521bb75b9ca3e1d8d6395a49e5bfc90.pdf