مطالب مرتبط با کلیدواژه

پهنه بندی


۱.

بررسی و مقایسه کارآیی مدل های ارزش اطلاعات و ضریب نسبت فراوانی و آنتروپی شانون در پهنه بندی خطر ریزش سنگ (مطالعه موردی: جاده زنجان- تهم- طارم)(مقاله علمی وزارت علوم)

تعداد بازدید : ۲۲۱ تعداد دانلود : ۲۰۶
ریزش سنگ یکی از مهمترین مخاطرات ژئومورفولوژی در مناطق کوهستانی است که همواره خسارت های فراوان مالی و جانی، به ویژه برای خطوط ارتباطی (جاده ها و راه آهن) به بار می آورد. زنجان - تهم و طارم نیز یکی از خطرناک ترین جاده های کوهستانی در استان اردبیل است که خطر ریزش سنگ، به شدت جاده را تهدید می کند. بنابراین هدف از انجام این پژوهش شناسایی پهنه های خطر در مسیر این جاده است. بدین منظور ضمن بازدید میدانی از محدوده مورد نظر و استفاده از تصاویر ماهواره ای لندست سنجنده OLI سال 2021، لایه ها و نقشه های مؤثر در ریزش سنگ، شامل: زمین شناسی، شیب، سطوح ارتفاعی، جهت شیب، کاربری اراضی و پوشش گیاهی، گسل، فاصله از جاده، فاصله از آبراهه، سطوح همبارش، همدما، داده یخبندان استفاده گردید. نقاط ریزشی برداشت شده با GPS دو فرکانس (ابزار نقشه برداری) در محیط نرم افزار ArcGis pro با معیارهای فوق الذکر بررسی گردید. سپس با استفاده از روش آماری ضریب نسبت فراوانی، روش ارزش اطلاعات و آنتروپی شانون که از داده های محیطی استفاده می کند، اقدام به پهنه بندی خطر ریزش از طریق تلفیق و جمع جبری نقشه ها در پنج طبقه خطر خیلی کم تا خیلی زیاد استخراج گردید. طبق نتایج به دست آمده در روش ارزش اطلاعات 23/64 درصد مساحت به پهنه های خطر زیاد تا خیلی زیاد تعلق گرفت. درصورتی که برای روش ضریب نسبت فراوانی این عدد 7/41 درصد و روش آنتروپی شانون 01/ 44 درصد حاصل شد. جهت ارزیابی و دقت پهنه بندی روش های مذکور از دو شاخص مجموع کیفیت و شاخص دقت (احتمال تجربی) استفاده گردید. ارزیابی مدلها نشان داد، در مدل ارزش اطلاعات، شاخص های مذکور به ترتیب 34/0 و 95/0 به دست آمد که نسبت به مدل های ضریب نسبت فراوانی و آنتروپی شانون از کیفیت و دقت بالاتری برخودار است.
۲.

پهنه بندی خطر وقوع زمین لغزش در جاده ماسال به گیلوان با استفاده از الگوریتم شبکه عصبی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پهنه بندی زمین لغزش شبکه عصبی یادگیری ماشین

حوزه‌های تخصصی:
تعداد بازدید : ۱۱ تعداد دانلود : ۱۳
زمین لغزش به عنوان یکی از خطرناک ترین مخاطرات طبیعی در نواحی کوهستانی همواره تأسیسات انسانی به ویژه جاده ها و محورهای ارتباطی را تهدید می کند و رخداد آن خسارات جانی و مالی بسیاری را همراه دارد لذا مطالعه و شناخت این مخاطره در جهت پهنه بندی خطر وقوع آن امری ضروری است. هدف از این پژوهش پهنه بندی خطر وقوع زمین لغزش در جاده ماسال به گیلوان با استفاده از الگوریتم شبکه عصبی می باشد. الگوریتم شبکه عصبی جزوه یکی از بهترین مدل های یادگیری ماشینی شناخته می شود که در عین سادگی توانایی حل مسائل پیچیده در امر پیش بینی و طبقه بندی را دارد. لذا در این جهت برای پهنه بندی خطر وقوع زمین لغزش 9 عامل تأثیرگذار به ترتیب: 1- زمین شناسی 2-پوشش گیاهی 3- شیب 4- کاربری اراضی 5- فاصله از جاده 6-جهت شیب 7- ارتفاع 8- فاصله از گسل 9- فاصله از رودخانه استفاده شده است. بنابراین داده ها بعد از تهیه و پیش پردازی وارد نرم افزار متلب 2018 شده و مدل سازی الگوریتم شبکه عصبی با 9 نورون ورودی 8 نورون میانه و 1 نورون خروجی طراحی و اجراشده و نتایج نشان داد که چهار عامل که بیش ترین ارزش وزنی را داشته به ترتیب مربوط به لایه های شیب با مقدار 24/0 درصد، پوشش گیاهی با مقدار 17/0 درصد، عامل فاصله از گسل با مقدار 14/0 درصد، زمین شناسی با مقدار 11/0 می باشد. و صحت سنجی نهایی از خروجی با استفاده از نمودار ROC نشان داد که مقدار AUC عدد 854/0 در بخش آموزش و 971/0 در بخش تست شبکه هر دو در حالت بسیار مطلوب قرار دارند و میزان خطا بسیار پایین است.