مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی، شبکه عصبی مصنوعی و تراکم سطح در ارزیابی کمی و پهنه بندی حساسیت پذیری زمین لغزش در محیط GIS (مطالعه موردی: حوزه آبخیز سیمره هومیان)
پهنه بندی حساسیت پذیری زمین لغزش به‌عنوان تقسیم بندی زمین، برحسب درجۀ حساسیت پذیری واقعی یا بالقوۀ زمین لغزش می‌تواند در مدیریت کارآمد بحران یاری دهنده باشد؛ اما ماهیت نامشخص متغیرهای لازم جهت بررسی، تأثیر متفاوت هر متغیر و عدم امکان تعیین مرزهای دقیق نواحی آسیب پذیر، موجب عدم قطعیت در نقشه‌ه...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Ferdowsi University of Mashhad
2018-09-01
|
| Series: | جغرافیا و مخاطرات محیطی |
| Subjects: | |
| Online Access: | https://geoeh.um.ac.ir/article_32540_7a7f0cc1d61b9b3a26ec5f26edccc04e.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1832591379491979264 |
|---|---|
| author | محسن بختیاری زینت گومه هادی معماریان |
| author_facet | محسن بختیاری زینت گومه هادی معماریان |
| author_sort | محسن بختیاری |
| collection | DOAJ |
| description | پهنه بندی حساسیت پذیری زمین لغزش به‌عنوان تقسیم بندی زمین، برحسب درجۀ حساسیت پذیری واقعی یا بالقوۀ زمین لغزش می‌تواند در مدیریت کارآمد بحران یاری دهنده باشد؛ اما ماهیت نامشخص متغیرهای لازم جهت بررسی، تأثیر متفاوت هر متغیر و عدم امکان تعیین مرزهای دقیق نواحی آسیب پذیر، موجب عدم قطعیت در نقشه‌های آسیب‌پذیری میگردد. استفاده از فنآوریهای نوین مانند GIS و الگوریتمهای هوش محاسباتی می‌توانند در تهیه نقشه‌های دقیقتر پهنه بندی زمین لغزش مفید واقع گردند. در این مطالعه با هدف پهنه بندی حساسیت پذیری زمین لغزش در حوزه آبخیز سیمره هومیان، به دلیل وقوع زمین لغزشهای متعدد در این منطقه، به مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی ([1]FAHP)، شبکه عصبی مصنوعی و تراکم سطح بر اساس معیارهای مختلفی ازجمله توپوگرافی، پوشش گیاهی، رطوبت نسبی، عمق گسیختگی خاک، فاصله از رودخانه، گسل و جاده و رده مقاومتی زمین پرداخته شده است. بر اساس نتایج به دست آمده نواحی شمالی محدوده مطالعاتی مستعد وقوع حرکات دامنهای هستند؛ از طرفی مقادیر پارامترهای صحت سنجی مؤید دقت بالاتر نتایج دو رویکرد شبکه عصبی و تراکم سطح به ترتیب با مقادیر صحت کلی 73/0 و 71/0 بوده که ناشی از عملکرد بهتر دو روش فوق نسبت به روش FAHP با صحت کلی 58/0 می‌باشد. درمجموع روش شبکۀ عصبی بر اساس آماره های صحت سنجی مورد استفاده شامل، صحت کلی، صحت کاربر و صحت تولید کننده به ترتیب با مقادیر 73/0، 8/0 و 59/0 بالاترین صحت را به خود اختصاص داده است. |
| format | Article |
| id | doaj-art-7829f7708956413d9a11e961aa295698 |
| institution | Kabale University |
| issn | 2322-1682 2383-3076 |
| language | English |
| publishDate | 2018-09-01 |
| publisher | Ferdowsi University of Mashhad |
| record_format | Article |
| series | جغرافیا و مخاطرات محیطی |
| spelling | doaj-art-7829f7708956413d9a11e961aa2956982025-01-22T12:09:38ZengFerdowsi University of Mashhadجغرافیا و مخاطرات محیطی2322-16822383-30762018-09-0173194010.22067/geo.v0i0.6723432540مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی، شبکه عصبی مصنوعی و تراکم سطح در ارزیابی کمی و پهنه بندی حساسیت پذیری زمین لغزش در محیط GIS (مطالعه موردی: حوزه آبخیز سیمره هومیان)محسن بختیاری0زینت گومه1هادی معماریان2تهراندانشگاه تهرانبیرجندپهنه بندی حساسیت پذیری زمین لغزش به‌عنوان تقسیم بندی زمین، برحسب درجۀ حساسیت پذیری واقعی یا بالقوۀ زمین لغزش می‌تواند در مدیریت کارآمد بحران یاری دهنده باشد؛ اما ماهیت نامشخص متغیرهای لازم جهت بررسی، تأثیر متفاوت هر متغیر و عدم امکان تعیین مرزهای دقیق نواحی آسیب پذیر، موجب عدم قطعیت در نقشه‌های آسیب‌پذیری میگردد. استفاده از فنآوریهای نوین مانند GIS و الگوریتمهای هوش محاسباتی می‌توانند در تهیه نقشه‌های دقیقتر پهنه بندی زمین لغزش مفید واقع گردند. در این مطالعه با هدف پهنه بندی حساسیت پذیری زمین لغزش در حوزه آبخیز سیمره هومیان، به دلیل وقوع زمین لغزشهای متعدد در این منطقه، به مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی ([1]FAHP)، شبکه عصبی مصنوعی و تراکم سطح بر اساس معیارهای مختلفی ازجمله توپوگرافی، پوشش گیاهی، رطوبت نسبی، عمق گسیختگی خاک، فاصله از رودخانه، گسل و جاده و رده مقاومتی زمین پرداخته شده است. بر اساس نتایج به دست آمده نواحی شمالی محدوده مطالعاتی مستعد وقوع حرکات دامنهای هستند؛ از طرفی مقادیر پارامترهای صحت سنجی مؤید دقت بالاتر نتایج دو رویکرد شبکه عصبی و تراکم سطح به ترتیب با مقادیر صحت کلی 73/0 و 71/0 بوده که ناشی از عملکرد بهتر دو روش فوق نسبت به روش FAHP با صحت کلی 58/0 می‌باشد. درمجموع روش شبکۀ عصبی بر اساس آماره های صحت سنجی مورد استفاده شامل، صحت کلی، صحت کاربر و صحت تولید کننده به ترتیب با مقادیر 73/0، 8/0 و 59/0 بالاترین صحت را به خود اختصاص داده است.https://geoeh.um.ac.ir/article_32540_7a7f0cc1d61b9b3a26ec5f26edccc04e.pdfپهنه‌بندی زمین‌لغزششبکه عصبی مصنوعیتراکم سطحfahp |
| spellingShingle | محسن بختیاری زینت گومه هادی معماریان مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی، شبکه عصبی مصنوعی و تراکم سطح در ارزیابی کمی و پهنه بندی حساسیت پذیری زمین لغزش در محیط GIS (مطالعه موردی: حوزه آبخیز سیمره هومیان) جغرافیا و مخاطرات محیطی پهنه‌بندی زمین‌لغزش شبکه عصبی مصنوعی تراکم سطح fahp |
| title | مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی، شبکه عصبی مصنوعی و تراکم سطح در ارزیابی کمی و پهنه بندی حساسیت پذیری زمین لغزش در محیط GIS (مطالعه موردی: حوزه آبخیز سیمره هومیان) |
| title_full | مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی، شبکه عصبی مصنوعی و تراکم سطح در ارزیابی کمی و پهنه بندی حساسیت پذیری زمین لغزش در محیط GIS (مطالعه موردی: حوزه آبخیز سیمره هومیان) |
| title_fullStr | مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی، شبکه عصبی مصنوعی و تراکم سطح در ارزیابی کمی و پهنه بندی حساسیت پذیری زمین لغزش در محیط GIS (مطالعه موردی: حوزه آبخیز سیمره هومیان) |
| title_full_unstemmed | مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی، شبکه عصبی مصنوعی و تراکم سطح در ارزیابی کمی و پهنه بندی حساسیت پذیری زمین لغزش در محیط GIS (مطالعه موردی: حوزه آبخیز سیمره هومیان) |
| title_short | مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی، شبکه عصبی مصنوعی و تراکم سطح در ارزیابی کمی و پهنه بندی حساسیت پذیری زمین لغزش در محیط GIS (مطالعه موردی: حوزه آبخیز سیمره هومیان) |
| title_sort | مقایسه سه روش فرآیند تحلیل سلسله مراتبی فازی، شبکه عصبی مصنوعی و تراکم سطح در ارزیابی کمی و پهنه بندی حساسیت پذیری زمین لغزش در محیط gis مطالعه موردی حوزه آبخیز سیمره هومیان |
| topic | پهنه‌بندی زمین‌لغزش شبکه عصبی مصنوعی تراکم سطح fahp |
| url | https://geoeh.um.ac.ir/article_32540_7a7f0cc1d61b9b3a26ec5f26edccc04e.pdf |
| work_keys_str_mv | AT mḥsnbkẖtyạry mqạyshshrwsẖfrậyndtḥlylslslhmrạtbyfạzysẖbḵhʿṣbymṣnwʿywtrạḵmsṭḥdrạrzyạbyḵmywphnhbndyḥsạsytpdẖyryzmynlgẖzsẖdrmḥyṭgismṭạlʿhmwrdyḥwzhậbkẖyzsymrhhwmyạn AT zyntgwmh mqạyshshrwsẖfrậyndtḥlylslslhmrạtbyfạzysẖbḵhʿṣbymṣnwʿywtrạḵmsṭḥdrạrzyạbyḵmywphnhbndyḥsạsytpdẖyryzmynlgẖzsẖdrmḥyṭgismṭạlʿhmwrdyḥwzhậbkẖyzsymrhhwmyạn AT hạdymʿmạryạn mqạyshshrwsẖfrậyndtḥlylslslhmrạtbyfạzysẖbḵhʿṣbymṣnwʿywtrạḵmsṭḥdrạrzyạbyḵmywphnhbndyḥsạsytpdẖyryzmynlgẖzsẖdrmḥyṭgismṭạlʿhmwrdyḥwzhậbkẖyzsymrhhwmyạn |