مقایسه مدلهای رگرسیونی و شبکه های عصبی مصنوعی در تحلیل و پیش بینی زمین لغزش ها

دامنه ها در زمین لغزش به عنوان یکی از مخاطرات طبیعی تاکنون خسارات زیادی به اراضی کشاورزی و مناطق مسکونی استان خراسان شمالی وارد کرده است. پیش بینی نوع و حجم زمین لغزش ها نقشی کلیدی در تدوین راهکارهای موثر بر کاهش خسارات ناشی از این پدیده ایفا می کند. در یک پژوهش که در سال ۱۴۰۰ در منطقه اسطرخی تا اسفیدان انجام گرفت، محل ۷۸ توده لغزشی از طریق پایش میدانی بر روی عکس های ماهواره ای جانمایی شد. سپس از روی عکس، نوع، حجم، شیب و جهت لغزش ها به دست آمد. جنس مصالح آزمایشگاه تعیین گردید. برای تحلیل داده ها از مدل های آماری رگرسیون چند متغیره، لاجیت و شبکه های عصبی استفاده شد. نتایج نشان داد که ۵۲/۶ درصد از لغزش ها در جهت شمال شرقی، ۲۶/۹ درصد شمال غربی و ۱۵/۴ درصد در جهت شمالی رخ داده اند. از نظر نوع لغزش ۴۷/۲ درصد از نوع دورانی، ۲۴/۴ درصد صفحه ای، ۱۵/۴ درصد ترکیبی، ۱۱/۵ درصد جریان گلی و ۱/۳ درصد ناشناخته بودند. تحلیل مواد تشکیل دهنده مصالح دامنه ها نشان داد که ۶۲/۸ درصد لغزش ها از نوع واریزه ای، ۵۳/۸ درصد حاوی شیل، ۴۴/۹ درصد ماسه سنگی، ۱۲/۸ درصد مارن و ۲/۶ درصد حاوی سنگ آهک بودند. همچنین به جزء دامنه های واریزه ای، حجم لغزش در دامنه های دارای شیل، ماسه سنگ، مارن و سنگ آهک حدود ۱۰ برابر بیشتر از دامنه های فاقد این مواد به دست آمد. این تحقیق نشان داد که مدل شبکه های عصبی نسبت به روش های رگرسیونی توانایی بیشتری در تحلیل عوامل موثر و پیش بینی رفتار زمین لغزش دارند و این مدل ها می توانند به عنوان ابزاری موثر در تحلیل دامنه های لغزشی مورد استفاده قرار گیرند.

کلیدواژه ها:

زمین لغزش ، مدل سازی ، رگرسیون ، شبکه عصبی