کاربرد شبکه عصبی مصنوعی در شناسایی مناطق مستعد لغزش به کمک نسبت فراوانی و تحلیل سلسله مراتبی در پادنای علیای سمیرم
عنوان مقاله: کاربرد شبکه عصبی مصنوعی در شناسایی مناطق مستعد لغزش به کمک نسبت فراوانی و تحلیل سلسله مراتبی در پادنای علیای سمیرم
شناسه ملی مقاله: JR_JWEM-10-3_007
منتشر شده در در سال 1397
شناسه ملی مقاله: JR_JWEM-10-3_007
منتشر شده در در سال 1397
مشخصات نویسندگان مقاله:
علیرضا عرب عامری - دانشجوی دکتری ژئومورفولوژی، دانشکده علوم انسانی، دانشگاه تربیت مدرس
خلیل رضایی - استادیار، دانشکده علوم زمین، دانشگاه خوارزمی
محمدحسین رامشت - استاد، دانشکده علوم انسانی، دانشگاه اصفهان
کورش شیرانی - استادیار بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اصفهان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اصفهان، ایران
خلاصه مقاله:
علیرضا عرب عامری - دانشجوی دکتری ژئومورفولوژی، دانشکده علوم انسانی، دانشگاه تربیت مدرس
خلیل رضایی - استادیار، دانشکده علوم زمین، دانشگاه خوارزمی
محمدحسین رامشت - استاد، دانشکده علوم انسانی، دانشگاه اصفهان
کورش شیرانی - استادیار بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان اصفهان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اصفهان، ایران
تهیه نقشه حساسیت زمین به لغزش و ارزیابی خطر آن از مهمترین مراحل در تهیه نقشه ریسک زمین لغزش می باشد. در این پژوهش به تهیه نقشه حساسیت وقوع زمین لغزش در پادنای علیای سمیرم که یک منطقه حساس به زمین لغزش است، با استفاده از روش شبکه عصبی پرداخته شده است. بدین منظور، در اولین گام ۲۳ عامل موثر در لغزش در منطقه شناسایی شده، همچنین، به کمک تفسیر عکس های هوایی و پیمایش های میدانی موقعیت لغزش ها مشخص شد. در گام بعد با کمک نظرات کارشناسی (AHP) به غربالگری پارامترها پرداخته، در نهایت ۱۴ پارامتر برای اجرای مدل انتخاب شد. از ۱۰۳ لغزش شناسایی شده در منطقه ۷۰ درصد (۷۲ زمین لغزش) به صورت تصادفی به منظور آموزش شبکه و ۳۰ درصد (۳۱ زمین لغزش) به منظور اعتبارسنجی مورد استفاده قرار گرفت. از شبکه عصبی پرسپترون چند لایه (multilayer perceptron) با الگوریتم یادگیری پس انتشار خطا استفاده شد و تابع سیگموئید (sigmoid function) به عنوان تابع فعال سازی انتخاب شد. به منظور انتخاب بهترین آرایش شبکه از شاخصهای میانگین مربعات خطا (MSE)، جذر میانگین مجذور خطا (RMSE)، بیشینه خطای مطلق (MAE) و ضریب همبستگی (R۲) استفاده کرده، بهترین ساختار شبکه برای پهنه بندی حساسیت به زمین لغزش ۱-۴-۱۴ انتخاب شد. قبل از ورود لایههای اطلاعاتی به شبکه با استفاده از روش نسبت فراوانی (FR) وزن هر یک از طبقات لایههای اطلاعاتی محاسبه شده، بر اساس آن لایهها وزن دهی شدند. منحنی ROC و مساحت زیر منحنی (AUC) برای نقشه پهنه بندی ترسیم و از AUC برای صحتسنجی استفاده شد. نتایج اعتبارسنجی نشان داد که مساحت زیر منحنی برای مدل ۰.۹۳۸ (۹۳.۸ درصد) است که در گروه دقت پیشبینی عالی قرار می گیرد. طبق نتایج ۲۹.۶۱ کیلومتر مربع (۹۳.۲۵ درصد) از مساحت لغزشها در رده های خطر زیاد و خیلی زیاد قرار گرفته است.
کلمات کلیدی: پادنای علیای سمیرم, پرسپترون چند لایه, حساسیت زمین به لغزش, رسوب, روش نسبت فراوانی, روش AHP
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1236382/