تحلیل و بهینه سازی مدل های ژئومورفولوژیکی با استفاده از هوش مصنوعی

هوش مصنوعی (AI) به عنوان یک ابزار قدرتمند فرصت های جدیدی را برای تحلیل پدیده های ژئومورفولوژیکی و پیش بینی تغییرات محیطی فراهم کرده است. در این پژوهش به کاربرد هوش مصنوعی در مطالعات ژئومورفولوژی به ویژه در ارزیابی نواحی حساس به زمین لغزش های سطحی، بررسی شده است. با استفاده از الگوریتم های پیشرفته داده کاوی مانند درخت تصمیم، مدل های ترکیبی و تکنیک IGR (Information Gain Ratio) پارامترهای کلیدی موثر بر وقوع زمین لغزش شناسایی و تحلیل شده اند. داده های مورد استفاده شامل شیب، فاصله از جاده و گسل، شاخص های توپوگرافی و پوشش گیاهی بوده که در سامانه اطلاعات جغرافیایی پردازش شده اند. در این مطالعه نقش هوش مصنوعی در بهینه سازی مدل سازی زمین لغزش و بهبود دقت پیش بینی با استفاده از معیارهای Recall، F-Measure و AUROC بررسی شده است. نتایج نشان می دهد که هوش مصنوعی نه تنها ابزار قدرتمندی برای تحلیل زمین لغزش های سطحی است، بلکه امکان ارائه مدل های ژئومورفولوژیکی دقیق تر و بهینه تر را نیز فراهم می سازد.

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، ژئومورفولوژی ، زمین لغزش ، Kappa ، Precision