مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

713
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

711
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

کاربرد شبکه عصبی مصنوعی در شناسایی مناطق مستعد لغزش به کمک نسبت فراوانی و تحلیل سلسله مراتبی در پادنای علیای سمیرم

صفحات

 صفحه شروع 332 | صفحه پایان 349

چکیده

 تهیه نقشه حساسیت زمین به لغزش و ارزیابی خطر آن از مهمترین مراحل در تهیه نقشه ریسک زمین لغزش می باشد. در این پژوهش به تهیه نقشه حساسیت وقوع زمین لغزش در پادنای علیای سمیرم که یک منطقه حساس به زمین لغزش است, با استفاده از روش شبکه عصبی پرداخته شده است. بدین منظور, در اولین گام 23 عامل موثر در لغزش در منطقه شناسایی شده, همچنین, به کمک تفسیر عکس های هوایی و پیمایش های میدانی موقعیت لغزش ها مشخص شد. در گام بعد با کمک نظرات کارشناسی (AHP) به غربالگری پارامترها پرداخته, در نهایت 14 پارامتر برای اجرای مدل انتخاب شد. از 103 لغزش شناسایی شده در منطقه 70 درصد (72 زمین لغزش) به صورت تصادفی به منظور آموزش شبکه و 30 درصد (31 زمین لغزش) به منظور اعتبارسنجی مورد استفاده قرار گرفت. از شبکه عصبی پرسپترون چند لایه (multilayer perceptron) با الگوریتم یادگیری پس انتشار خطا استفاده شد و تابع سیگموئید (sigmoid function) به عنوان تابع فعال سازی انتخاب شد. به منظور انتخاب بهترین آرایش شبکه از شاخص های میانگین مربعات خطا (MSE), جذر میانگین مجذور خطا (RMSE), بیشینه خطای مطلق (MAE) و ضریب همبستگی (R2) استفاده کرده, بهترین ساختار شبکه برای پهنه بندی حساسیت به زمین لغزش 14-4-1 انتخاب شد. قبل از ورود لایه های اطلاعاتی به شبکه با استفاده از روش نسبت فراوانی (FR) وزن هر یک از طبقات لایه های اطلاعاتی محاسبه شده, بر اساس آن لایه ها وزن دهی شدند. منحنی ROC و مساحت زیر منحنی (AUC) برای نقشه پهنه بندی ترسیم و از AUC برای صحت سنجی استفاده شد. نتایج اعتبارسنجی نشان داد که مساحت زیر منحنی برای مدل 0.938 (93.8 درصد) است که در گروه دقت پیش بینی عالی قرار می گیرد. طبق نتایج 29.61 کیلومتر مربع (93.25 درصد) از مساحت لغزش ها در رده های خطر زیاد و خیلی زیاد قرار گرفته است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    عرب عامری، علیرضا، رضایی، خلیل، رامشت، محمدحسین، و شیرانی، کورش. (1397). کاربرد شبکه عصبی مصنوعی در شناسایی مناطق مستعد لغزش به کمک نسبت فراوانی و تحلیل سلسله مراتبی در پادنای علیای سمیرم. مهندسی و مدیریت آبخیز، 10(3 )، 332-349. SID. https://sid.ir/paper/234698/fa

    Vancouver: کپی

    عرب عامری علیرضا، رضایی خلیل، رامشت محمدحسین، شیرانی کورش. کاربرد شبکه عصبی مصنوعی در شناسایی مناطق مستعد لغزش به کمک نسبت فراوانی و تحلیل سلسله مراتبی در پادنای علیای سمیرم. مهندسی و مدیریت آبخیز[Internet]. 1397؛10(3 ):332-349. Available from: https://sid.ir/paper/234698/fa

    IEEE: کپی

    علیرضا عرب عامری، خلیل رضایی، محمدحسین رامشت، و کورش شیرانی، “کاربرد شبکه عصبی مصنوعی در شناسایی مناطق مستعد لغزش به کمک نسبت فراوانی و تحلیل سلسله مراتبی در پادنای علیای سمیرم،” مهندسی و مدیریت آبخیز، vol. 10، no. 3 ، pp. 332–349، 1397، [Online]. Available: https://sid.ir/paper/234698/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button