پهنه بندی خطر وقوع زمین لغزش در جاده ماسال به گیلوان با استفاده از الگوریتم شبکه عصبی

زمین لغزش به عنوان یکی از خطرناک ترین مخاطرات طبیعی در نواحی کوهستانی همواره تاسیسات انسانی به ویژه جاده ها و محورهای ارتباطی را تهدید می کند و رخداد آن خسارات جانی و مالی بسیاری را همراه دارد لذا مطالعه و شناخت این مخاطره در جهت پهنه بندی خطر وقوع آن امری ضروری است. هدف از این پژوهش پهنه بندی خطر وقوع زمین لغزش در جاده ماسال به گیلوان با استفاده از الگوریتم شبکه عصبی می باشد. الگوریتم شبکه عصبی جزوه یکی از بهترین مدل های یادگیری ماشینی شناخته می شود که در عین سادگی توانایی حل مسائل پیچیده در امر پیش بینی و طبقه بندی را دارد. لذا در این جهت برای پهنه بندی خطر وقوع زمین لغزش ۹ عامل تاثیرگذار به ترتیب: ۱- زمین شناسی ۲-پوشش گیاهی ۳- شیب ۴- کاربری اراضی ۵- فاصله از جاده ۶-جهت شیب ۷- ارتفاع ۸- فاصله از گسل ۹- فاصله از رودخانه استفاده شده است. بنابراین داده ها بعد از تهیه و پیش پردازی وارد نرم افزار متلب ۲۰۱۸ شده و مدل سازی الگوریتم شبکه عصبی با ۹ نورون ورودی ۸ نورون میانه و ۱ نورون خروجی طراحی و اجراشده و نتایج نشان داد که چهار عامل که بیش ترین ارزش وزنی را داشته به ترتیب مربوط به لایه های شیب با مقدار ۲۴/۰ درصد، پوشش گیاهی با مقدار ۱۷/۰ درصد، عامل فاصله از گسل با مقدار ۱۴/۰ درصد، زمین شناسی با مقدار ۱۱/۰ می باشد. و صحت سنجی نهایی از خروجی با استفاده از نمودار ROC نشان داد که مقدار AUC عدد ۸۵۴/۰ در بخش آموزش و ۹۷۱/۰ در بخش تست شبکه هر دو در حالت بسیار مطلوب قرار دارند و میزان خطا بسیار پایین است.

کلیدواژه های پهنه بندی خطر وقوع زمین لغزش در جاده ماسال به گیلوان با استفاده از الگوریتم شبکه عصبی:

Zoning ، Landslide ، Neural Network ، Algorithm ، پهنه بندی ، زمین لغزش ، شبکه عصبی ، یادگیری ماشین