مروری بر مهم ترین روش های نوین پهنه بندی خطر زمین لغزش
- سال انتشار: 1395
- محل انتشار: دوفصلنامه بلور (علمی تخصصی مهندسی معدن)، دوره: 20، شماره: 38
- کد COI اختصاصی: JR_BLUR-20-38_007
- زبان مقاله: فارسی
- تعداد مشاهده: 552
نویسندگان
دانشجوی کارشناسی ارشد مهندسی معدن- اکتشاف، دانشگاه صنعتی امیرکبیر
دانشیار دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر
چکیده
بلایای طبیعی هر سال خسارات زیادی به منابع مالی و انسانی در سراسر دنیا وارد می سازند. یکی از دغدغه های بشر از بدو خلقت چگونگی مقابله با این حوادث بوده است. بهتری و با پیشرفت علوم گوناگون رویکردی که تنها به چگونگی جان سالم به در بردن از حوادث معطوف بود؛ به چگونگی پیشگیری و به حداقل رساندن خسارات و نحوه از درگیری زندگی عادی پس از یک حادثه تغییر یافت. یکی از حوادثی که همه ساله به سبب شرایط گوناگون زمین شناسی و اقلیمی در کشور خود با آن مواجه هستیم؛ زمین لغزش است. زمین لغزش ها که عمدتا رویکرد منفی داشته و برای جوامع تهدید محسوب می شوند نیاز به مدیریت صحیح در مراحل پیش؛ حین و پس از وقوا دارند. در این نوشتار کوشیده شده است تا با بررسی مفاهیم اولیه زمین لغزش و زلزله، مروری اجمالی بر مبانی نظری پایداری دامنه ها، بررسی انواع حرکات دامنه ها، ذکر مبانی روش های نوین پهنه بندی خطر زمین لغزش و بررسی روش ها و رویکردهای پهنه بندی خطر و انتخاب بهینه این روش ها پرداخته شد. برخی طبقه بندی های یادشده تنها متکی به دانش کارشناس بوده و در برخی از آنها مانند شبکه های عصبی مصنوعی و ماشین بردار پشتیبان تحلیل وضعیت با توجه به داده های قبلی و بر پایه استخراج روابط میان داده ها صورت می گیرد. علیرغم گسترش نسبتا خوب به کارگیری انواع شبکه های عصبی، قابلیت های الگوریتم ماشین بردار پشتیبان در طبقه بندی داده های مرتبط با علوم زمین در سطح دنیا کمتر از سایر روش ها به کار گرفته شده است. روش های نوین ذکرشده هرکدام دارای نقاط قوت و ضعفی هستند که در انتخاب روش مطلوب باید مولفه های مختلفی را در نظر گرفت، اما آنچه مسلم است، همه این روش ها قادرند تا با حداقل داده ها و هزینه ها و در زمانی بسیار کم، نتایجی با صحت و دقت بالا را ارایه نمایند.کلیدواژه ها
زمین لغزش، پهنه بندی خطر، الگوریتم ماشین بردار پشتیبان، شبکه عصبی مصنوعی، تحلیل سلسله مراتبیمقالات مرتبط جدید
- مروری بر کانسار بوکسیت آق بلاغ علمدار، استان آذربایجان شرقی، شمال غرب ایران
- شبیه سازی جریان غیر دارسی و انتقال حرارت جابه جایی و هدایت در محیط متخلخل با رویکرد مقیاس حفره
- مقایسه روش استخراج جبهه کار طولانی با روش استخراج جبهه کار طولانی اصلاح شده در لایه های پرشیب
- بیولیچینگ مس با استفاده از باکتری های مزوفیل و ترموفیل معتدل و مطلق
- عوامل فرایندی موثر بر مصرف گلوله آسیاهای اولیه تغلیظ ۱ مجتمع مس سرچشمه
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.