پهنه بندی حساسیت خطر زمین لغزش با روش های منطق فازی (Fuzzy) و شبکه عصبی Neural Network در ،GIS مطالعه موردی منطقه مال خلیفه
محل انتشار: پانزدهمین همایش انجمن زمین شناسی ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,353
فایل این مقاله در 8 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:
SGSI15_204
تاریخ نمایه سازی: 9 اسفند 1390
چکیده مقاله:
ایران بدلیل شرایط خاص زمین شناسی، توپوگرافی و اقلیمی جزو کشورهای مستعد زمین لغزش است.پدیده زمین لغزش یا رانش یک پدیده طبیعی می باشد و در این راستا مهمترین عامل شناخت مناطق مستعدبا حساسیت بالا برای وقوع زمین لغزش و حرکات توده ای می باشد. تهیه پهنه های خطر و مستعد زمین لغزش از ضروری ترین مسائل شناخت مدیریت و برنامه ریزی های توسعه طبیعی است. وجود عدم قطعیت که ناشی از گنگ بودن، ناکامل بودن و مبهم بودن شرایط و مفاهیم مرتبط با پارامترهای طبیعی ، لزوم استفاده ازروش های فازی را در بررسی ناپایداری های دامنه ای توجیه می کند.زمین لغزش عمدتاً در مناطق کوهستانی اتفاق می افتد ومورفولوژی ناحیه نقش مهمی ایفا می نماید.منطقه مطالعاتی این تحقیق در ناحیه ای کوهستانی مال خلیفه از توابع لردگان قرار دارد. ابتدا اقدام به جمع آوری داده های مکانی زمین لغزش و آماده نمودن لایه ها و تعیین پارامترهای تأثیرگذار جهت استفاده در محیط نرم افزارGISصورت پذیرفت. جهت پردازش و تهیه نقشه خروجی فازی پهنه بندی خطر زمین لغزش از نرم افزار الحاقی نرم افزار GIS به نام ArcSDM استفاده شده است. نرم افزار مدلسازی، تحلیلی مکانی مذکور با قابلیت تلفیق داده های گردآوری شده و مدلسازی با روش فازی و شبکه عصبی می باشد. نتایج بدست آمده حاکی از این بود که در روش فازی با دخالت نظر کارشناس خبره و انتخاب بهینه عملگر فازی AND جوابی بهینه و منطبق بر محیط طبیعی ارائه می نماید.
نویسندگان
مهدی فرداد
دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران
علی اصغر آل شیخ
دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران و دانشگاه صنعتی خواجه نصیرالد
فرشاد حکیم پور
دانشگاه تهران، تهران.
علی رضا وفایی نژاد
دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران ، تهران.
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 :