مقایسه الگوریتم های ماشین بردار پشتیبان، جنگل تصادفی و رگرسیون لجستیک در پهنه بندی خطر زمین لغزش در جاده مهاباد سردشت

در تحقیق حاضر به ارزیابی و پهنه بندی خطر زمین لغزش در محدوده مهاباد تا سردشت با کاربرد مدل های تحلیلی مختلف از قبیل ماشین بردار پشتیبان، جنگل تصادفی و رگرسیون لجستیک پرداخته شده است. روش انجام تحقیق حاضر مبتنی بر روش توصیفی – تحلیلی و کاربرد مقایسه ای صحت الگوریتم های ماشین بردار پشتیبان، جنگل تصادفی و رگرسیون لجستیک بوده است. بر این اساس از داده ها و معیارهای مختلف محیطی در فرآیند تجزیه و تحلیل استفاده گردیده است. ابتدا بر اساس تعیین نقاط نمونه، سه مدل مذکور به منظور تهیه نقشه پهنه بندی زمین لغزش به اجرا درآمده است و سپس بر اساس نتایج، اقدام به ارزیابی و اعتبارسنجی نتایج مدل های مورد استفاده شده است. نتایج پهنه بندی زمین لغزش محدوده مورد مطالعه حاکی از این بوده است که به طورکلی نیمه جنوبی منطقه به دلیل تاثیر عواملی از قبیل ساختارهای متراکم گسلی، شیب بالاتر و تراکم بیشتر آبراهه از پتانسیل بالاتری نسبت به نیمه شمالی آن برخوردار است و بر اساس ماشین بردار پشتیبان ۰۴/۷۱ درصد، بر اساس جنگل تصادفی ۴۴/۵۳ درصد و بر اساس رگرسیون لجستیک ۳۹/۷۷ درصد از مجموع وسعت منطقه دارای حساسیت لغزشی متوسط به بالا بوده است. ارزیابی دقت حاصله برای الگوریتم ها بر اساس منحنی ROC چنین مشخص نموده است که ماشین بردار پشتیبان، جنگل تصادفی و رگرسیون لجستیک به ترتیب مقدار صحت ۷۶/۰، ۸۷/۰ و ۸۴/۰ را به خود اختصاص داده اند و از این نظر الگوریتم جنگل تصادفی بهترین دقت را ارائه کرده است. همچنین شاخص Precision – Recall نیز به ترتیب برابر با ۸۰۹/۰، ۸۷۳/۰ و ۸۴۴/۰ به دست آمده است که بیانگر دقت بالاتر الگوریتم جنگل تصادفی نسبت به دو الگوریتم دیگر در زمینه پهنه بندی پتانسیل خطر وقوع زمین لغزش در مسیر مهاباد – سردشت می باشد.

کلیدواژه ها:

زمین لغزش ، یادگیری ماشین ، جنگل تصادفی ، ماشین بردار پشتیبان ، مهاباد - سردشت