پیش بینی مکانی زمین لغزش های سطحی با استفاده از الگوریتم درخت تصمیم متناوب (مطالعه موردی: مسیر ارتباطی یوزیدر- دگاگا در استان کردستان)

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 36

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_DEEJ-11-34_006

تاریخ نمایه سازی: 19 اسفند 1402

چکیده مقاله:

تهیه نقشه حساسیت پذیری زمین لغزش اولین گام مهم در ارزیابی خطر زمین لغزش است. هدف اصلی این پژوهش بررسی عملکرد الگوریتم درخت تصمیم متناوب (Alternating Decision Tree) برای مدل سازی حساسیت به زمین لغزش در منطقه یوزیدر تا دگاگا در استان کردستان است. ابتدا نقشه پراکنش زمین لغزش های سطحی با تعداد ۱۷۵ موقعیت با استفاده از برداشت های میدانی تهیه و به صورت کاملا تصادفی به دو دسته داده مدل سازی (۸۰%: ۱۲۳ نقطه) و اعتبارسنجی (۲۰%: ۵۲ نقطه) تقسیم شدند. سپس بیست عامل موثر بر وقوع زمین لغزش های سطحی منطقه مورد مطالعه شناسایی شدند. بر اساس شاخص Information Gain Ratio (IGR) سیزده عامل موثر از بین آن ها انتخاب و برای مدل سازی به کار گرفته شدند. عملکرد مدل بر اساس داده های تعلیمی و صحت سنجی با معیارهای آماری حساسیت، شفافیت، صحت، میانگین مجذور ریشه مربعات، سطح زیر منحنی مشخصه عملکرد (AUC) ارزیابی شد. نتایج نشان داد که مدل درخت تصمیم متناوب بر اساس داده های آموزشی و صحت سنجی دارای سطح زیرمنحنی برابر با ۶۶۵/۰ و ۶۷۷/۰ به ترتیب است؛ بنابراین بر اساس نتایج قدرت پیش بینی این مدل متوسط است.

نویسندگان

میترا اسدی

دانشگاه حکیم سبزواری

عطااله شیرزادی

دانشگاه کردستان

هیمن شهابی

دانشگاه کردستان

شهرام بهرامی

دانشگاه شهید بهشتی

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 :
  • Ahmadi, H., Fayznya, S., ۲۰۰۶. Quaternary Formations (Theoretical and Practical ...
  • Arabameri, A., Karimi-Sangchini, E., Chandra Pal, S., Saha, A., Chowdhuri, ...
  • Bennett, N.D., Croke, B.F., Guariso, G., Guillaume, J.H., Hamilton, S.H., ...
  • Bui, D.T., Tuan, T.A., Klempe, H., Pradhan, B. and Revhaug, ...
  • Bui, D.T., Pradhan, B., Revhaug, I., Nguyen, D.B., Pham, H.V. ...
  • Carletta, J., ۱۹۹۶. Assessing agreement on classification tasks: the kappa ...
  • Chapi, K., Talebpour ASL, D. and Shirzadi, A., ۲۰۱۹. Comparison ...
  • Dahal, R.K., Hasegawa, S., Nonomura, A., Yamanaka M., Masuda, T. ...
  • Fazolafpoor, M., ۲۰۱۷. Zoning of landslide prone areas using fuzzy ...
  • Freund, Y. and Mason, L., ۱۹۹۹. The alternating decision tree ...
  • Ghasemian, B., Abedini, M. and Rustaei, Sh., ۲۰۱۸. Landslide Sensitivity ...
  • Guha-Sapir, D., Below, R., Hoyois, P., ۲۰۲۰. EM-DAT: international disaster ...
  • Lee, S., Sambath, T., (۲۰۰۶). Landslide susceptibility mapping in the ...
  • Mohammadi Savadkuhi, N., Hosseini, S. A., ۲۰۱۳. The Effect of ...
  • GIS-based support vector machine model in shallow landslide hazards prediction: A case study on Ilam dam watershed, Iran [مقاله ژورنالی]
  • Pang, P. K., Tien, L. T. and Lateh, H., ۲۰۱۲. ...
  • Pearl, J., ۲۰۱۴. Probabilistic Reasoning in Intelligent Systems: Networks of ...
  • Pham, BT., Bui, DT., Prakash, I. and Dholakia, M., ۲۰۱۶. ...
  • Pham, BT., Bui, D. T. and Prakash, I., ۲۰۱۹. Landslide ...
  • Pourghasemi, H. R., Moradi H. R., Fatemi Aghda, S. M ...
  • Quinlan, J.R., ۱۹۹۳. C۴.۵: programs for machine learning. Morgan Kaufmann, ...
  • Sahin, EK. and Colkesen, I., ۲۰۱۹. Performance Analysis of Advanced ...
  • Shirzadi, A., ۲۰۱۷a. Spatial prediction of shallow landslide around Bijar ...
  • Shirzadi, A., Bui, D. T., Pham, B. T., Solaimani, K., ...
  • Shirzadi, A., Asadi, SH., Shahabi, H., Ronoud, S., ClGUE, J.J,. ...
  • Tazeh, M., Taghi Zadeh, M.R., Fathabadi, A., Kalantari, S., ۲۰۱۶. ...
  • Tien Bui, D., Shirzadi, A., Shahabi, H., Geertsema, M., Omidvar, ...
  • Tran, T. H., Dam, N,D., Jalal, F.E., Naseri, N.A., Siho, ...
  • نمایش کامل مراجع