الگوریتم شبکه عصبی مصنوعی

زمین لغزش ها به عنوان یکی از مهم ترین مخاطرات طبیعی مطرح هستند که هم جان انسان ها را تهدید می کنند و هم می توانند خسارات شدیدی به بار آورند. در این زمینه، تهیه نقشه های حساسیت زمین لغزش برای برنامه ریزی، مدیریت و پیشگیری از وقوع این پدیده و در نتیجه کاهش خسارات ناشی از آن، از اهمیت ویژه ای برخوردار است. هدف اصلی این پژوهش، تهیه نقشه حساسیت زمین لغزش برای حوضه سد شهید عباسپور با استفاده از روش شبکه عصبی مصنوعی (NNET) است. در این مطالعه، داده های مربوط به نقاط زمین لغزش به صورت تصادفی و با نسبت ۷۰ به ۳۰ بین داده های آموزشی و داده های آزمون تقسیم شدند. در ادامه پانزده عامل مؤثر بر زمین لغزش شامل عوامل توپوگرافیک (ارتفاع، شیب، جهت شیب و انحنای دامنه)، شاخص های هیدرولوژیک (SPI و شاخص رطوبت توپوگرافی TWI)، عوامل انسانی (فاصله از جاده) و ویژگی های طبیعی (فاصله از رودخانه، زمین شناسی، بافت خاک، کاربری اراضی و بارش) مورد بررسی قرار گرفتند. برای اعتبارسنجی مدل پیش بینی زمین لغزش، از معیارهای مختلفی شامل Accuracy و شاخص های آماری RMSE، Kappa، MAE و R-Squared استفاده شده است. نتایج حاصل از این ارزیابی ها نشان داد که مدل NNET از عملکرد خوبی با دقت 8543/0 برخوردار است. یافته های پژوهش حاکی از آن است که در حوضه سد شهید عباسپور، نزدیکی به رودخانه به عنوان مهم ترین عامل مؤثر در حساسیت زمین لغزش شناسایی شده است. پس از این عامل، شیب دامنه و ویژگی های زمین شناسی در رتبه های بعدی اهمیت قرار دارند. همچنین نتایج نشان می دهد که مناطق با بیشترین حساسیت به زمین لغزش عمدتاً در بخش های جنوب غربی و قسمت هایی از شمال حوضه واقع شده اند. نقشه حساسیت زمین لغزش تهیه شده در این تحقیق می تواند به عنوان ابزاری ارزشمند در برنامه ریزی های توسعه ای، مدیریت ریسک و پیشگیری از خسارات ناشی از زمین لغزش در منطقه مورد مطالعه مورد استفاده قرار گیرد. این یافته ها، به مدیران و برنامه ریزان کمک می کند تا تصمیم گیری های مناسب تری در زمینه توسعه منطقه اتخاذ نمایند.