مدل سازی فازی عصبی خطر زمین لغزش در منطقه کپه داغ با تلفیق داده های نادقیق ژئومورفیکی و محیطی

این پژوهش به توسعه یک چارچوب نوین فازی عصبی برای ارزیابی جامع خطر زمین لغزش در منطقه ساختاری کپه داغ می پردازد. با توجه به ماهیت ذاتی عدم قطعیت در پارامترهای زمین لغزش از یک سیستم استنتاج فازی عصبی تطبیقی (ANFIS) با معماری پیشرفته استفاده شده است. مدل پیشنهادی پنج متغیر ورودی فازی شامل شیب، توابع عضویت ذوزنقه ای لیتولوژی، بارش، فعالیت تکتونیکی و درجه هوازدگی را در قالب ۴۷ قاعده اگر آنگاه فازی ترکیب مینماید. دادههای مورد استفاده شامل ۱۲۸ مورد لغزش تاریخی، ۳۶۵ برداشت میدانی و تصاویر ماهواره ای Sentinel طی دوره ۲۰۱۵-۲۰۲۳ بوده است. فرآیند آموزش مدل با الگوریتم هیبرید انجام گرفت که به دقت ۹۳.۴ در طبقه بندی مناطق پرخطر منجر شد. نتایج نشان داد که شاخص ریسک فازی توسعه یافته (FRI) نسبت به روشهای قطعی مرسوم ۳۵ کاهش خطای نوع اول و %۲۸ بهبود در شاخص (۰.۹۲=ROC (AUC داشته است. تحلیل حساسیت فازی مشخص نمود که فعالیت تکتونیکی با وزن فازی ۰.۳۷ ۰۰۴ بیشترین سهم را در مدل دارد در حالی که کاربری اراضی با وزن ۰.۰۲۰۱۱ کمترین تاثیر را نشان میدهد. یکی از دستاوردهای کلیدی این تحقیق توسعه ماژول تصمیم گیری فازی چند معیاره (FMCDM) برای اولویت بندی اقدامات mitigative است که قادر به پردازش معیارهای کیفی مانند اهمیت اکولوژیکی و تراکم جمعیتی میباشد. مدل ارائه شده به عنوان یک ابزار پویا برای مدیریت ریسک زمین لغزش در مناطق با داده های ناقص پیشنهاد میگردد. سیستم پیشنهادی با ۵ ورودی، فازی ۲۵ قاعده اگر آنگاه و الگوریتم هیبرید، آموزش توانسته است با دقت ۹۱ مناطق پرخطر را شناسایی کند نتایج نشان میدهد مدل فازی توسعه یافته نسبت به روشهای قطعی %۳۰ خطای کمتری دارد.

کلیدواژه ها:

منطق فازی ، زمین لغزش ، چرخشی ، سیستم عصبی-فازی ، عدم قطعیت ، کپه داغ