حساسیت به حرکات توده ای خاک با استفاده از شبکه عصبی مصنوعی،منطق فازی و رگرسیون چند متغیره (مطالعه موردی: حوضه گرماب رود ساری)

محورهای موضوعی : مقالات تحلیلی جغرافیایی و محيطي

محمد ابراهیم عفیفی ¹ (استادیارگروه جغرافیا، دانشگاه آزاد اسلامی واحد لارستان، لارستان،ایران(نویسنده مسئول))
ابوالفضل بهنیافر ² (دانشیار ژئومورفولوژی، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران)

تاریخ دریافت : 1401/11/10 تاریخ پذیرش : 1401/11/10 تاریخ انتشار : 1401/12/01

کلید واژه: لغزش, روش فازی, حوضه گرماب رود, روش شبکه عصبی مصنوعی, مدل رگرسیون چند متغیره,

چکیده مقاله :

حرکت رو به پایین توده‌ای از خاک یا سنگ در اثر نیروی ثقل در دامنه‌ها زمین لغزش نامیده میشود. شناسایی مناطق حساس به زمین لغزش و خطرات آن یکی از گام های اول در مدیریت منابع طبیعی و برنامه ریزی توسعه است.هدف از این مطالعه، پیش بینی خطر زمین لغزش در حوضه گرماب رود ساری با استفاده از مدل شبکه عصبی مصنوعی، رگرسیون چند متغیره، روش منطق فازی. موقعیت زمین لغزش ها از طریق مشاهدات میدانی و عکس های هوایی شناسایی شد. در مرحله بعد، عوامل احتمالی موثر بر زمین لغزش مانند ارتفاع، سنگ شناسی، شیب، جهت شیب، فاصله از رودخانه، فاصله از جاده ها و فاصله از گسل ها، مقدار بارندگی و استفاده از زمین، تعیین شده اند. سپس، با استفاده از روش رگرسیون چند متغیره برای تعیین اهمیت هر معیار، به وقوع زمین لغزش در منطقه مورد مطالعه، اعمال شد. نتایج نشان می دهد که بیشترین تاثیر شیب، فاصله زمین و فاصله از جاده است. برای ارزیابی مدل ها، منحنی عملکرد نسبی (ROC) و سطح زیر آن (AUC) مورد استفاده قرار گرفت.نتایج بدست آمده نشان می دهد دقت 5/91٪ برای مدل وزن شبکه عصبی مصنوعی، دقت 90/3٪ برای مدل رگرسیون چند متغیر، دقت 86/2٪ برای مدل گام فازی، دقت 86٪ برای مدل اشتراک فازی، دقت 83/4٪ برای مدل جامعه فازی و دقت 80/7٪ برای مدل AHP. همچنین نتایج شاخص SCAI نشان دهنده میزان بیشتری از پایداری است. نقشه نهایی مربوط به مدل شبکه عصبی و رگرسیون چند متغیره نسبت به دو مدل دیگر است.