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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

357
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

491
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی مکانی زمین لغزش های سطحی با استفاده از مدل های آماری و یادگیری ماشین (مطالعه ی موردی: حوضه سرخون)

صفحات

 صفحه شروع 869 | صفحه پایان 884

چکیده

 تهیه ی نقشه ی حساسیت پذیری زمین لغزش به عنوان اولین گام مهم در ارزیابی خطر زمین لغزش محسوب می شود. هدف اصلی این پژوهش مقایسه ی عملکرد الگوریتم یادگیری ماشین مدل لجستیک درختی (LMT) با مدل آماری رگرسیون لجستیک (LR) به منظور مدل سازی حساسیت پذیری زمین لغزش در حوضه ی سرخون استان چهارمحال و بختیاری است. بدین منظور ابتدا نقشه ی پراکنش با تعداد 98 موقعیت زمین لغزش با استفاده از داده های عملیات میدانی و همچنین داده های تاریخی ثبت شده, تهیه شد. علاوه بر این, برای تکمیل پایگاه داده ها, 100 موقعیت غیرزمین لغزشی نیز شناسایی شدند. نقاط زمین-لغزشی و غیرزمین لغزشی به صورت تصادفی به دو دسته داده ی مدل سازی و اعتبارسنجی تقسیم شدند. سپس بیست عامل مؤثر با توجه به مرور منابع و خصوصیات زمین محیطی حوضه شناسایی شدند. در ادامه, مدل های LMT و LR برای شناسایی تأثیر عوامل مؤثر روی وقوع زمین لغزش و همچنین ارزیابی حساسیت پذیری زمین لغزش ها, به وسیله ی داده های مرحله ی آموزش به کار گرفته شدند. در نهایت, عملکرد این دو مدل از طریق سطح زیر منحنی عامل گیرنده (AUC) مورد بررسی قرار گرفت. نتایج اعتبارسنجی مدل ها حاکی از آن بود که مدل LR با AUC برابر با 797/0 عملکرد مناسب تری نسبت به مدل LMT (740/0 = AUC) از خود نشان داده, هر چند که هر دو مدل ابزارهای مفیدی برای پیش بینی مکانی حساسیت پذیری زمین لغزش هستند. بنابراین مدل LR می تواند به عنوان یک ابزار جایگزین برای مدیریت بهتر مناطق تحت تأثیر زمین لغزش در منطقه ی مورد مطالعه پیشنهاد شود.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    براتی، زهرا، امیدوار، ابراهیم، و شیرزادی، عطااله. (1397). پیش بینی مکانی زمین لغزش های سطحی با استفاده از مدل های آماری و یادگیری ماشین (مطالعه ی موردی: حوضه سرخون). مرتع و آبخیزداری (منابع طبیعی ایران)، 71(4 )، 869-884. SID. https://sid.ir/paper/375422/fa

    Vancouver: کپی

    براتی زهرا، امیدوار ابراهیم، شیرزادی عطااله. پیش بینی مکانی زمین لغزش های سطحی با استفاده از مدل های آماری و یادگیری ماشین (مطالعه ی موردی: حوضه سرخون). مرتع و آبخیزداری (منابع طبیعی ایران)[Internet]. 1397؛71(4 ):869-884. Available from: https://sid.ir/paper/375422/fa

    IEEE: کپی

    زهرا براتی، ابراهیم امیدوار، و عطااله شیرزادی، “پیش بینی مکانی زمین لغزش های سطحی با استفاده از مدل های آماری و یادگیری ماشین (مطالعه ی موردی: حوضه سرخون)،” مرتع و آبخیزداری (منابع طبیعی ایران)، vol. 71، no. 4 ، pp. 869–884، 1397، [Online]. Available: https://sid.ir/paper/375422/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا