ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پهنه بندی خطر زمین لغزش با استفاده از روش شبکه عصبی مصنوعی(مطالعة موردی: حوزه سپیددشت، لرستان)

سال انتشار: 1394
کد COI مقاله: JR_GIRS-6-4_002
زبان مقاله: فارسیمشاهده این مقاله: 53
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 17 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پهنه بندی خطر زمین لغزش با استفاده از روش شبکه عصبی مصنوعی(مطالعة موردی: حوزه سپیددشت، لرستان)

سیامک بهاروند - استادیار گروه زمین شناسی، دانشگاه آزاد اسلامی واحد خرم آباد، خرم آباد، ایران
سلمان سوری - باشگاه پژوهشگران جوان و نخبگان، واحد خرم آباد، دانشگاه آزاد اسلامی، خرمآباد، ایران

چکیده مقاله:

این تحقیق با هدف پهنه‌بندی خطر نسبی ناپایداری دامنه­ای و وقوع زمین لغزش در حوزه سپیددشت با استفاده از روش شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه و الگوریتم یادگیری پس انتشار خطا صورت گرفته است. به منظور بررسی پایداری دامنه‌ها در این حوزه ابتدا لغزش­های حوزه با استفاده از تصاویر ماهواره‌ای TM و +ETM، عکس­های هوایی 1:50000 منطقه و بازدیدهای میدانی (سال 1393) شناسایی و ثبت گردیدند. با قطع نقشه‌های عوامل مؤثر بر لغزش با نقشه پراکنش زمین‌لغزش‌ها، تاثیر هر یک از عوامل شیب، جهت شیب، کاربری اراضی، ارتفاع، لیتولوژی، بارندگی، فاصله از گسل، جاده و آبراهه به ناپایداری شیب‌ها در محیط نرم‌افزار ArcGIS®10.1 برآورد گردید. در محیط متلب ساختار مناسب (1-13-9) برای پهنه‌بندی خطر زمین­لغزش با استفاده از روش شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه و الگوریتم یادگیری پس انتشار خطا نوشته شد. بر اساس نتایج پهنه­بندی خطر زمین­لغزش با استفاده از این مدل به ترتیب 18/0، 41/12، 09/14، 85/29 و 52/43% از مساحت منطقه در کلاس‌های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار دارند.

کلیدواژه ها:

زمین لغزش, شبکه عصبی مصنوعی, سیستم اطلاعات جغرافیایی, سپددشت, لرستان

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_GIRS-6-4_002 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1166193/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بهاروند، سیامک و سوری، سلمان،1394،پهنه بندی خطر زمین لغزش با استفاده از روش شبکه عصبی مصنوعی(مطالعة موردی: حوزه سپیددشت، لرستان)،https://civilica.com/doc/1166193

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، بهاروند، سیامک؛ سلمان سوری)
برای بار دوم به بعد: (1394، بهاروند؛ سوری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • 1. بهاروند، س. و س. سوری. 1394. پهنه­بندی خطر زمین­لغزش ...
  • 2. پورقاسمی، ح. ر.، ح. ر. مرادی، م. فاطمی عقدا، ...
  • 3. راکعی، ب.، م. خامه­چیان، پ. عبدالملکی و پ. گیاهچی. ...
  • 4. سوری، س.، س. بهاروند، ر. احمدیان مقدم و م. ...
  • 5. سوری، س.، غ. ر. لشکری­پور، م. غفوری و ط. ...
  • 6. سوری، س.، غ. ر. لشکری­پور، م. غفوری و ط. ...
  • 7. شریعت جعفری، م. و ر. حامدپناه. 1386. پیش­بینی خطر ...
  • 8. عابدینی، م. و م. ح. فتحی. 1393. پهنه­بندی حساسیت ...
  • 9. عرب عامری، ع.، ع. کلوراژان، ج. کرمی، م. علیمرادی ...
  • 10. فرهادی­نژاد، ط.، م. شریعت جعفری، س. سوری و ا. ...
  • 11. منهاج، م. ب. 1381. مبانی شبکه­های عصبی. انتشارات صنعتی ...
  • 12. Ayalew L, Yamagishi H. 2005. The application of GIS-based ...
  • 13. Caniani D, Pascale S, Sdao F, Sole A. 2008. ...
  • 14. Carrara A and Guzzetti F. 1995. Geographical Information Systems ...
  • 15. Conforti M, Pascale S, Robustelli G, Sdao F. 2014. ...
  • 16. Ercanoglu M, Gokceoglu C. 2004. Use of fuzzy relations ...
  • 17. Fattahi M, Toosi S and Tabar Ahmadi MKh. 2007. ...
  • 18. Fausett L. 1994. Fundamental of Neural Networks: Architecture, Algirithms ...
  • 19. Gomez H, Kavzoglu T. 2005. Assessment of shallow landslide ...
  • 20. Lee S, Ryu J-H, Lee M-J, Won J-S. 2006. ...
  • 21. Mathew J, Jha V, Rawat G. 2007. Weights of ...
  • 22. Melchiorre C, Matteucci M, Azzoni A, Zanchi A. 2008. ...
  • 23. Moradi M, Bazyar M, Mohammadi Z. 2012. GIS-based landslide ...
  • 24. Negnevitsky M. 2002. Artificial intelligence – A Guide to ...
  • 25. Rautela P, Lakhera RC. 2000. Landslide risk analysis between ...
  • 26. Regmi NR, Giardino JR, Vitek JD. 2010. Modeling susceptibility ...
  • 27. Tangestani MH. 2009. A comparative study of Dempster–Shafer and ...
  • 28. Yilmaz I. 2009. Landslide susceptibility mapping using frequency ratio, ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 2,772
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی