ارزیابی دقت روشهای رگرسیون لجستیک و شبکه عصبی مصنوعی MLP) در پهنه بندی خطر ناپایداریهای دامنهای در جادههای کوهستانی مطالعه موردی: تنگه دره دیز

تنگه دره دیز یکی از مخاطرهآمیزترین تنگههای استان آذربایجانشرقی، از لحاظ وقوع ناپایداری- های دامنهای است. با توجه به انطباق این تنگه با تنها جاده ارتباطی شهرستان مرند – جلفا، یکی از بهترین راههای نگهداری وحفظ امنیت این مسیر، شناسایی مناطق و نقاط بحرانی و به عبارتی پهنهبندی خطر وقوع ناپایداری دامنهای در این تنگه است. در این راستا، در پژوهش حاضر، دو روش رگرسیون لجستیک و شبکه عصبی مصنوعی پرسپترون چند لایه MLP) جهت پهنه بندی خطر ناپایداری های دامنه ای در محدوده مورد مطالعه مورد استفاده قرار گرفت و میزان کارایی هر یک از دو روش به صورت کمی ارزیابی گردید. در این خصوص، در ابتدا دادههای مورد نیاز جمعآوری و پردازش گردیده و سپس لایههای اطلاعاتی لازم در محیط GIS تهیه گردیده و سپس نقشه پهنه بندی خطر ناپایداری در نرمافزار IDRISI و در محیط شبکه عصبی مصنوعی پرسپترون چندلایه MLP) با ساختار ۱-۱۰-۱۵ و رگرسیون لجستیک تهیه گردیده و مناطق مستعد وقوع خطر ناپایداریهای دامنهای در محدوده مورد مطالعه در پنج کلاس خطربسیاربالا، بالا، متوسط، پایین و بسیارپایین مشخص شد. بر طبق نتایج حاصل از میان دو روش فوق الذکر، روش شبکه عصبی مصنوعی پرسپترون چند لایه دارای کارایی بهتری نسبت به روش رگرسیون لجستیک در شناسایی مناطق خطرمی باشد و عواملی مانند شیب و فاصله از گسل مهمترین عوامل تاثیر گذار در وقوع ناپایداریهای دامنهای در تنگه دره دیز و در نهایت عامل ناامنی هر چه بیشتر جاده می باشند.

کلیدواژه ها:

پهنهبندی خطر ، ناپایداریهای دامنهای ، تنگهدرهدیز ، شبکه عصبی پرسپترون چند- لایه MLP) . رگرسیون لجستیک