ارزیابی شبکه عصبی مصنوعی و منطق فازی برای نگاشت حساسیت زمین لغزش در حوضه آبریز حبله رود
محل انتشار: فصلنامه علوم زمین، دوره: 31، شماره: 3
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 214
فایل این مقاله در 16 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:
JR_GSJ-31-3_011
تاریخ نمایه سازی: 11 دی 1400
چکیده مقاله:
تعیین مناطق حساس و مستعد لغزش، زمینه ای برای برنامه های پایدارسازی دامنه ها و کاهش خسارات احتمالی فراهم می آورد. در حوضه آبریز حبله رود از شبکه های عصبی مصنوعی و منطق فازی (FL) به عنوان یکی که از روش های تحلیل تصمیم گیری چند معیاره مبتنی بر ArcGIS در ارزیابی علمی نواحی مستعد زمین لغزش، استفاده شده است. در این زمینه از نرم افزارهای MATLAB، IDRISI وArcGIS بهره گرفته شد. بعد از تهیه نقشه های حساسیت زمین لغزش، پهنه های مستعد پیش بینی شده توسط منطق فازی و شبکه عصبی مصنوعی پرسپترون چندلایه (MLP-ANN) ، با بانک اطلاعاتی (نقشه پراکنش) زمین لغزش های حوضه مقایسه شدند. نتایج، بیانگر هم پوشانی خوب بین پهنه های مستعد پیش بینی شده توسط شبکه عصبی مصنوعی پرسپترون چندلایه و برداشت های صحرایی زمین لغزش می باشد. نهایتا، عملکرد روش های مختلف در تولید نقشه های حساسیت زمین لغزش با استفاده از شاخص های صحت سنجی "جمع مطلوبیت (Qs)" و "منحنی مشخصه عملکرد سیستم (ROC)" با یکدیگر مقایسه شد تا روش مطلوب و کاربردی برای مدیریت خطر زمین لغزش حوضه تعیین شود. با تحلیل نقشه های پهنه بندی و با توجه به مقادیر جمع مطلوبیت و مقدار "سطح زیر منحنی (AUC)" حاصله مشاهده می شود که مقدار Qs (۱.۶۲۹۹) و AUC (۰.۸۰۶- خیلی خوب) حاصل از MLP-ANN، بیشتر از مقداری است که برای نقشه های حساسیت حاصل از عملگرهای مختلف FL محاسبه شده است.
کلیدواژه ها:
نویسندگان
الهام ابراهیم زاده
کارشناسی ارشد، گروه زمین شناسی، دانشکده علوم زمین، دانشگاه دامغان، دامغان، ایران
ابراهیم رحیمی
استادیار، گروه زمین شناسی، دانشکده علوم زمین، دانشگاه دامغان، دامغان، ایران
وحید باقری
دکترا، گروه زمین شناسی، دانشکده علوم پایه، دانشگاه تربیت مدرس، تهران، ایران
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 :