کاربرد مدل شبکه عصبی مصنوعی در پهنه بندی خطر زمین لغزش
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 209
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GEOP-21-59_005
تاریخ نمایه سازی: 23 آبان 1400
چکیده مقاله:
ین لغزش بهعنوان یکی از مخاطرات طبیعی در مناطق کوهستانی محسوب می شود که هر ساله منجر به خسارات زیادی می شود. حوضه آبریز دوآب الشتر با داشتن چهره ای کوهستانی و مرتفع و شرایط طبیعی مختلف دارای استعداد بالقوه زمین لغزش است. هدف از این تحقیق پهنه بندی خطر زمین لغزش با استفاده از مدل شبکه عصبی مصنوعی در حوضه دوآب الشتر می باشد. بدین منظور ابتدا پزمارامترهای موثر در وقوع زمین لغزش استخراج و سپس لایه های مربوطه تهیه شده است. درادامه نقشه پراکنش زمین لغزش های رخ داده شده حوضه تهیه شد. سپس با تلفیق نقشه عوامل موثر بر لغزش با نقشه پراکنش زمین لغزش ها، تاثیر هر یک از عوامل شیب، جهت شیب، سنگ شناسی، بارش، کاربری اراضی، فاصله از گسل و آبراهه در محیط نرم افزار ArcGIS سنجیده شد. در این پژوهش مدل شبکه عصبی مصنوعی با الگوریتم پس انتشار خطا و تابع فعال سازی سیگموئید بهکار گرفته شد. ساختار نهایی شبکه دارای ۷ نرون در لایه ورودی، ۱۱ نرون در لایه پنهان و ۱ نرون در لایه خروجی گردید. دقت شبکه در مرحله آزمایش ۸۵/۹۳ درصد محاسبه شد. پس از بهینه شدن ساختمان شبکه، کل اطلاعات منطقه در اختیار شبکه قرار گرفت. بر اساس پهنه بندی صورت گرفته با استفاده از مدل شبکه عصبی مصنوعی به ترتیب ۳۷/۴۴، ۴۵/۷، ۹۳/۸، ۴۹/۳۲، ۷۶/۶ درصد از مساحت منطقه در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار گرفته است.
کلیدواژه ها:
نویسندگان
محمدحسین رضایی مقدم
دانشگاه تبریز کشور ایران شهر تبریز
محمدرضا نیکجو
دانشگاه تبریز کشورایران شهر تبریز
کامران خلیل ولیزاده
دانشگاه تبریزکشور ایران شهرتبریز
بلواسی ایمانعلی
دانشگاه تبیز کشور ایران شهر تبریز
مهدی بلواسی
دانشگاه تبریز کشور ایران شهر تبریز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :