مقایسه روش های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پهنه بندی خطر زمین لغزش، مطالعه موردی: حوضه ونک، استان اصفهان

زمین ­لغزش­ ها از مهمترین خطرات طبیعی هستند که نه تنها زندگی انسان را به خطر می­ اندازند، بلکه باعث ایجاد بار اقتصادی برای جامعه می­ شوند. با توجه به اهمیت تشخیص مناسب­ ترین روش برآورد صحیح خطر زمین ­لغزش، در این پژوهش میزان کارایی دو روش شبکه عصبی مصنوعی و رگرسیون چندمتغیره مقایسه شد. بدین منظور ابتدا با استفاده از عکس­ های هوایی، تصاویر ماهواره­ ای، نقشه­ های زمین شناسی و بررسی های میدانی نقشه پراکنش زمین ­لغزش­ ها تهیه شد. همچنین، با استفاده از بررسی­ های میدانی و مرور مطالعات انجام شده اقدام به بررسی و تعیین نه پارامتر موثر در رخداد زمین­ لغزش شامل لیتولوژی، کاربری اراضی، شیب، جهت شیب، ارتفاع، بارش، فاصله از گسل، فاصله از جاده و تراکم شبکه زه­کشی شد. پس از تهیه لایه­ های اطلاعاتی با استفاده از GIS و وزن­ دهی به عوامل موثر، با استفاده از نقشه پراکنش زمین ­لغزش، اقدام به تهیه نقشه ­های پهنه­ بندی خطر زمین ­لغزش با استفاده از روش­ های شبکه عصبی مصنوعی  و رگرسیون چند متغیره شده و نتایج مورد ارزیابی قرار گرفت. با توجه به اینکه برای ارزیابی مدل نمی­ توان از همان لغزش­ هایی استفاده نمود که در پهنه­ بندی استفاده شده­ اند، لذا، از بین نقاط لغزشی، ۷۰ درصد (۱۴۰ عدد) برای اجرای مدل و ۳۰ درصد (۶۰ عدد) برای ارزیابی مدل­ ها مورد استفاده قرار گرفت. مقادیر شاخص ­های مجموع کیفیت (QS) و دقت (P) به­ ترتیب برای روش شبکه عصبی (۰.۱۵ و ۰.۰۸) و برای روش رگرسیون چند متغیره (۰.۱۴ و ۰.۰۵) بوده که  این نتایج  بیانگر تناسب بیشتر نتایج مدل شبکه عصبی در پهنه­ بندی منطقه مورد مطالعه می­ باشد. بدین ترتیب با انتخاب بهترین روش پهنه ­بندی، می توان به نقشه پهنه­ بندی خطر قابل اعتماد و نتایج مطلوب­ تری دست یافت.

کلیدواژه ها:

پهنه بندی ، زمین لغزش ، شبکه عصبی مصنوعی ، رگرسیون چندمتغیره ، حوضه ونک