ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

معرفی یک مدل جدید ترکیبی الگوریتم مبنا به منظور پیش بینی حساسیت زمین لغزش های سطحی اطراف شهر بیجار

سال انتشار: 1396
کد COI مقاله: JR_GDIJ-15-46_014
زبان مقاله: فارسیمشاهده این مقاله: 199
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 22 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله معرفی یک مدل جدید ترکیبی الگوریتم مبنا به منظور پیش بینی حساسیت زمین لغزش های سطحی اطراف شهر بیجار

عطااله شیرزادی - دانشجوی دکتری آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی ساری، ساری، ایران
کریم سلیمانی - استاد آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
محمود حبیب نژاد روشن بها - استاد آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
عطااله کاویان - دانشیار آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

چکیده مقاله:

افزایش صحت و اعتماد و در نتیجه کاهش عدم قطعیت نقشه­های پیش­بینی مکانی مخاطرات زمینی از جمله زمین لغزش­ها یکی از چالش­های پیش رو در این گونه مطالعات می­باشد. هدف این پژوهش ارائه یک مدل ترکیبی جدید داده ­کاوی الگوریتم- مبنا به نام Random Subspace-Random Forest (RS-RF)،برای افزایش میزان صحت پیش­بینی مناطق حساس به وقوع زمین لغزش­های سطحی اطراف شهر بیجار می­باشد. در ابتدا، نوزده عامل موثر بر وقوع زمین لغزش­های سطحی منطقه ی مورد مطالعه شامل درجه شیب، جهت شیب، ارتفاع از سطح دریا، انحنای معمولی شیب(Curvature)، تقعر و تحدب شیب(Profile curvature)، همگرایی و واگرایی شیب (Plan curcvature)، شدت تابش خورشید (Solar radiation)، شاخص قدرت جریان، شاخص نمناکی توپوگرافی، شاخص طول و زاویه شیب، کاربری ارضی، شاخص پوشش گیاهی، لیتولوژی، فاصله از گسل، تراکم گسل، بارندگی، فاصله از آبراهه، تراکم آبراهه و فاصله از شبکه جاده شناسایی شدند. سپس، بر اساس شاخص Information Gain Ratioدوازده عامل موثر از بین آن­ها انتخاب و جهت مدل­سازی به کار گرفته شدند. اهمیت نسبی هر کدام از عوامل در مدل Random Forest و مدل ترکیبیRS-RFبررسی شدند.معیارهای Kappa، Precision، Recall، F-Measure، AUROCبرای ارزیابی مدل­ها هم برای داده­های تعلیمی و هم برای داده­های صحت­سنجی استفاده شدند. نقشه­های پیش­بینی مکانی وقوع زمین لغزش­های سطحی با این دو مدل نیز به دست آمدند. نتایج نشان داد که در مدل RF جهت شیب و در مدل ترکیبی RS-RFدرجه شیب مهم­ترین فاکتورهای موثر بر وقوع زمین لغزش­های منطقه ی مورد مطالعه شناخته شدند. نتایج ارزیابی مدل توسط معیارهای معرفی شده بیانگر تایید این مدل­ها برای داده­های تعلیمی و داده های صحت­سنجی بودند. نتایج ارزیابی صحت نقشه پهنه­بندی به دست آمده نشان داد که درصد مساحت زیر منحنیROC(AUROC) برای داده­های تعلیمی در مدل RF و مدل ترکیبی  RS-RFارائه شده به ترتیب 729/0 و 784/0 وبرای داده­های صحت­سنجی به ترتیب 717/0 و 771/0 به دست آمدند. بطور کلی، نتایج نشان داد که تکنیک Random Subspaceمنجر به افزایش صحت پیش­بینی مکانی حساسیت زمین لغزش­های سطحی منطقه ی مورد مطالعه شده است. دستیابی به یک نقشه ی پیش­بینی مکانی زمین لغزش­های سطحی با صحت بالاتر، کمک شایانی در توسعه ی معقول­تر تاسیسات، اراضی شهری و روستایی، طرح­های آمایش سرزمین، طرح­های آبخیزداری و همچنین جلوگیری از هدر رفت خاک و فرسایش توده­ای و انتقال رسوبات به پایین دست خواهد شد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_GDIJ-15-46_014 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/886417/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
شیرزادی، عطااله و سلیمانی، کریم و حبیب نژاد روشن بها، محمود و کاویان، عطااله،1396،معرفی یک مدل جدید ترکیبی الگوریتم مبنا به منظور پیش بینی حساسیت زمین لغزش های سطحی اطراف شهر بیجار،https://civilica.com/doc/886417

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1396، شیرزادی، عطااله؛ کریم سلیمانی و محمود حبیب نژاد روشن بها و عطااله کاویان)
برای بار دوم به بعد: (1396، شیرزادی؛ سلیمانی و حبیب نژاد روشن بها و کاویان)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • بررسی عوامل موثر در زمین لغزش های کم عمق توسط برخی پارامترهای خاکی در زیرحوضه تول بنه [مقاله کنفرانسی]
  • حنفی، علی؛ ایرج حاتمی (1392). تهیه نقشه اقلیمی استان کردستان ... [مقاله ژورنالی]
  • شیرانی، کورش؛ علیرضا عرب عامری (1394). پهنه­بندی خطر وقوع زمین­لغزش ...
  • عابدینی، موسی؛ بهاره قاسمیان؛ عطااله شیرزادی (1393). مدل­سازی خطر وقوع ... [مقاله ژورنالی]
  • فعله­گری، محسن؛ علی  طالبی؛ یاسر کیااشکوریان (1392). بررسی اثر جاده ... [مقاله ژورنالی]
  • Acharya, G. (2011).  Analyzing the Interactions between Water-induced Soil Erosion ...
  • Akgun, A., Turk, N. (2011). Mapping erosion susceptibility by a ...
  • Althuwaynee, O.F., Biswajeet, P., Park, H-J., Lee, J.H. (2014). A ...
  • Avanzi, G.D., Giannecchini, R, & Puccinelli, A. (2004). The influence ...
  • Ayalew, L., Yamagishi, H. (2005). The application of GIS-based logistic ...
  • Ballabio, C., Sterlacchini, S. (2012). Support vector machines for landslide ...
  • Benda, L., and Dunne, T. (1997). Stochastic forcing of sediment ...
  • Breiman, L. (2001). Random Forest. Machine Learning, 45, pp. 5-32. ...
  • Dehnavi, A., Aghdam, I.N., Pradhan, B., Varzandeh, M.H.M. (2015). A ...
  • Dou, J., Yamagishi, H., Pourghasemi H-R., Yunus,A-P., Song, X., Xu, ...
  • Dubois, D., Prade, H. (1990). Rough fuzzy sets and fuzzy ...
  • Fell, R., Corominas, J., Bonnard, C., Cascini, L., Leroi,E.,Savage,W(2008).Guidelines for ...
  • Guo, C., Montgomery, D.R., Zhang, Y., Wang, K., Yang, Z. ...
  • Guzzetti, F., Reichenbach, P., Ardizzone, F., Cardinali, M., Galli, M. ...
  • Ho, T.K. (1998). The random subspace method for constructing decision ...
  • Hunter, E., Matin, J., Stone, P(1966). Experiments in induction. Academic, ...
  • Jing-chun, X., Rui, L., Hui-wen, L., Zi-li, L. (2015). Analysis ...
  • Miao T.Y., Wang, M. (2015). Susceptibility Analysis of Earthquake-Induced Landslide ...
  • Park, N-W.(2010). Application of Dempster-Shafer theory of evidence to GIS-based ...
  • Piao,Y., Piao, M., Hao, Jin, C., Sun, S-H., Chung, J-M., ...
  • Quinlan, J.R. (1993). C4.5: programs for machine learning. Morgan Kaufmann, ...
  • Rickli, C., Graf, F. (2009). Effects of forests on shallow ...
  • Shirzadi, A., Saro, L., Hyun-Joo, Oh and Chapi, K. (2012). ...
  • Sidle, R.C., Ochiai, H. (2006). Landslides: Processes, Prediction, and Land ...
  • Sujatha, E.R., Kumaravel, P., Rajamanickam,V.G. (2012). Landslide Susceptibility Mapping Using Remotely Sensed ...
  • Tehrany, M.S., Pradhan, B., Jebur, M.N. (2014). Flood susceptibility mapping ...
  • Tien Bui, D., Pradhan, B., Lofman, O., Revhaug, I., (2012a). ...
  • Tien Bui, D., Pradhan, B., Lofman, O., Revhaug, I., Dick, ...
  • Tien Bui, D., Pradhan, B., Revhaug, I., Trung Tran, C. ...
  • Tien Bui, D., Tuan, T.A., Klempe, H., Pradhan, B., Revhaug, ...
  • Tsangaratos, P., Benardos A. (2014). Estimating landslide susceptibility through an ...
  • Umar, Z., Pradhan, B., Ahmad, A., NeamahJebur, M.,ShafapourTehrany, M. (2014).  ...
  • Wang, L-J., Guo, M., Sawada K., Lin J., Zhang J. ...
  • Wang, L-J., Sawada K., MoriguchiS.(2013). Landslide susceptibility analysis with logistic ...
  • Xu, C., Xu, X., Dai, F., Xiao, J., Tan, X., ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 6,736
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی