ارزیابی مقایسهای الگوریتمهای تصمیمگیری چند معیاره WLC، OWA، VIKOR و MABAC در پهنهبندی خطر زمینلغزش مطالعه موردی: حوضه گیویچای استان اردبیل
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 209
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JPHGR-54-1_005
تاریخ نمایه سازی: 23 مرداد 1401
چکیده مقاله:
هدف از این پژوهش پهنهبندی حوضه گیویچای، واقع در استان اردبیل، به لحاظ رخداد زمینلغزش، با استفاده از الگوریتمهای تصمیمگیری چندمعیاره است. در این راستا عوامل ارتفاع، شیب، جهت شیب، لیتولوژی، کاربری اراضی، فاصله از گسل، فاصله از جاده، فاصله از رودخانه و بارش بهعنوان متغیرهای تاثیرگذار بررسی شدند. نخست، لایههای اطلاعاتی معیارها در GIS تهیه شد. ارزشگذاری و استانداردسازی لایهها با استفاده از تابع عضویت فازی و وزندهی معیارها با بهرهگیری از روش CRITIC انجام گردید. با توجه به اینکه در سالهای اخیر برای مطالعه زمینلغزش از روشهای MCDM استفاده فراوانی میشود، در این مطالعه نیز تحلیل و مدلسازی نهایی با استفاده از روشهای تصمیمگیری چندمعیاره WLC، OWA، VIKOR، و MABAC انجام شد. با توجه به نتایج مطالعه، بهترتیب عوامل شیب با وزن ۱۶/۰، لیتولوژی با وزن ۱۵/۰، و کاربری اراضی با وزن ۱۳/۰ در وقوع زمینلغزش حوضه بیشترین نقش را دارند. همچنین، طبق نتایج حاصله، بهترتیب، با توجه به الگوریتمهای WLC، OWA، VIKOR، و MABAC، ۵۵/۲۳، ۶۶/۰۷، ۱۵/۴۱، و ۵۶/۳۱ درصد از مساحت حوضه، در طبقه بسیار پرخطر و ۰۱/۳۳، ۹۵/۳۶، ۷۳/۲۱، و ۳۶/۳۰ درصد در طبقه پرخطر قرار دارند. با توجه به نتایج صحتسنجی، مساحت زیر منحنی ROC، برای روشهای WLC، OWA، VIKOR، و MABAC بهترتیب ۷۲/۰، ۷۳/۰، ۸۵/۰، و ۷۶/۰ محاسبه شد. بنابراین، دقت روشهای OWA، WLC، و MABAC خیلی خوب و دقت روش VIKOR عالی است. نتایج حاصل از پژوهش حاضر، با معرفی مناطق دارای احتمال وقوع بالای زمینلغزش، میتواند راهگشایی برای اعمال مدیریت بهتر و علمیتر مدیران و برنامهریزان ذیصلاح در این زمینه شود.
کلیدواژه ها:
نویسندگان
صیاد اصغری سراسکانرود
دانشیار ژئومورفولوژی، دانشگاه محقق اردبیلی، اردبیل، ایران
الناز پیروزی
دکتری ژئومورفولوژی، دانشگاه محقق اردبیلی، اردبیل، 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 :