ارزیابی دقت روشهای رگرسیون لجستیک و شبکه عصبی مصنوعی(MLP (در پهنهبندی خطر ناپایداریهای دامنهای در جادههای کوهستانی( مطالعه موردی: تنگه دره دیز )
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 440
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:
ICINH01_387
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
تنگه دره دیز یکی از مخاطرهآمیزترین تنگههای استان آذربایجانشرقی، از لحاظ وقوع ناپایداری های دامنهای است. با توجه به انطباق این تنگه با تنها جاده ارتباطی شهرستان مرند – جلفا، یکیاز بهترین راههای نگهداری وحفظ امنیت این مسیر، شناسایی مناطق و نقاط بحرانی و به عبارتی پهنهبندی خطر وقوع ناپایداری دامنهای در این تنگه است. در این راستا، در پژوهش حاضر، دو روش رگرسیون لجستیک و شبکه عصبی مصنوعی پرسپترون چند لایه (MLP (جهت پهنه بندی خطر ناپایداری های دامنه ای در محدوده مورد مطالعه مورد استفاده قرار گرفت و میزان کارایی هر یک از دو روش به صورت کمی ارزیابی گردید. در این خصوص، در ابتدا دادههای مورد نیاز جمعآوریو پردازش گردیده و سپس لایههای اطلاعاتی لازم در محیطGIS ،تهیه گردیده و سپس نقشه پهنه-بندی خطر ناپایداری در نرمافزار IDRISI و در محیط شبکه عصبی مصنوعی پرسپترون چندلایه (MLP (با ساختار 1-10-15 و رگرسیون لجستیک تهیه گردیده و مناطق مستعد وقوع خطر ناپایداریهای دامنهای در محدوده مورد مطالعه در پنج کلاس خطربسیاربالا، بالا، متوسط، پایین و بسیارپایین مشخص شد. بر طبق نتایج حاصل از میان دو روش فوق الذکر، روش شبکه عصبی مصنوعی پرسپترون چند لایه دارای کارایی بهتری نسبت به روش رگرسیون لجستیک در شناسایی مناطق خطرمی باشد و عواملی مانند شیب و فاصله از گسل مهمترین عوامل تاثیر گذار در وقوع ناپایداریهای دامنهای در تنگه دره دیز و در نهایت عامل ناامنی هر چه بیشتر جاده می باشند.
کلیدواژه ها:
پهنهبندی خطر ، ناپایداریهای دامنهای ، تنگه دره دیز ، شبکه عصبی پرسپترون چندلایه(MLP ) ، رگرسیون لجستیک
نویسندگان
شهرام روستائی
استاد گروه ژئومورفولوژی دانشگاه تبریز
داود مختاری
استادیار گروه ژئومورفولوژی دانشگاه تبریز
فاطمه خدائی قشلاق
کارشناس ارشد ژئومورفولوژی دانشگاه 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 :