پهنه بندی خطر رانش زمین در منطقه طالش با استفاده از سیستم های هوشمند (شبکه های عصبی مصنوعی پرسپترون)
نویسندگان
چکیده
با توجه به توانایی های شبکه های عصبی مصنوعی، کاربرد آن ها در رشته های مختلف مهندسی و علوم زمین گسترش قابل ملاحظه ای داشته است. در این مقاله کاربرد شبکه های عصبی مصنوعی در زمین شناسی مهندسی و در پیش بینی خطر زمین لغرش های منطقه طالش مورد بررسی قرار گرفته است. نتایج بررسی ها نشان می دهد که مدل تهیه شده براساس پارامترهای ورودی مؤثر در وقوع زمین لغزش قادر خواهد بود اطلاعات ورودی را پردازش و خطر زمین لغزش را به عنوان خروجی شبکه عصبی اعلام کند. با توجه به نقشه پهنه بندی خطر زمین لغزش منطقه که با استفاده از این سیستم تهیه گردیده است, منطقه طالش جزء مناطق پر خطر از نظر رانش زمین محسوب می شود. و مهم ترین عوامل موثر در ناپایداری شیب های منطقه تغییرات کاربری اراضی، از بین رفتن پوشش گیاهی، زیر شویی دامنه ای، فرسایش حاشیه رودخانه ها و فعالیت های تکتونیکی هستند
منابع مشابه
پهنهبندی خطر رانش زمین در منطقه طالش با استفاده از سیستمهای هوشمند (شبکههای عصبی مصنوعی پرسپترون)
با توجه به تواناییهای شبکههای عصبی مصنوعی، کاربرد آنها در رشتههای مختلف مهندسی و علوم زمین گسترش قابل ملاحظهای داشته است. در این مقاله کاربرد شبکههای عصبی مصنوعی در زمین شناسی مهندسی و در پیش بینی خطر زمین لغرشهای منطقه طالش مورد بررسی قرار گرفته است. نتایج بررسیها نشان میدهد که مدل تهیه شده براساس پارامترهای ورودی مؤثر در وقوع زمین لغزش قادر خواهد بود اطلاعات ورودی را پردازش و خطر زمی...
متن کاملپهنه بندی خطر رانش زمین با استفاده از روش های همپوشانی وزنی و تحلیل شبکه - مطالعه موردی: منطقه نصرآباداستان گلستان
یکی از راهکارهای مهم برای کاهش خسارت های ناشی از وقوع زمین لغزش ها، شناسایی این مناطق به منظور رعایت فاصله مجاز از آنها است. به این منظور باید نقشه پهنه <s...
متن کاملپهنه بندی خطر زمین لغزش با استفاده از شبکه عصبی مصنوعی مطالعه موردی: حوضه کشوری (نوژیان)
حوضه آبریز کشوری در جنوب شرقی شهر خرم آباد در استان لرستان قرار دارد. این حوضه از نظر تقسیم بندی زمین ساخت ایران در زاگرس چین خورده قرار می گیرد. با توجه به نوع سازند های زمین شناسی، وضعیت توپوگرافی و وسعت آن، این حوضه از پتانسیل لغزش بالایی برخوردار بوده و از نظر لغزشی ناپایدار است. در این تحقیق برای پهنه بندی خطر زمین لغزش در این حوضه از روش شبکه عصبی مصنوعی با ساختار پرسپترون چند لایه و الگو...
متن کاملپیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی
پیشبینی محل وقوع زلزلههای آتی همراه با تعیین درصد احتمال رخداد، میتواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محلهای پیشبینی شده، سبب افزایش توجه به طراحی، بهسازی لرزهای و ارزیابی قابلیت اعتمادپذیری سازههای موجود در این مکانها میشود. در پیشبینی زمان وقوع زلزله فرضیهها و نظریههای گستردهای مطرح است. هنوز شیوهای دقیق برای پیشبینی زمان رخداد زلزلههای آتی مورد تأیید ق...
متن کاملپهنه بندی خطر زمین لغزش با استفاده از شبکه عصبی مصنوعی در بخشی از حوزه آبخیز هراز
بخش بزرگی از کشور ایران را مناطق کوهستانی تشکیل میدهد. هر ساله زمینلغزش موجب خسارت به انواع سازههای مهندسی، مناطق مسکونی، جنگلها و در پی آن ایجاد رسوب و سیلابهای گلآلود و در نهایت پر شدن مخازن سدها میگردد. از آنجا که پیشبینی زمان و مکان رخداد زمینلغزش از توان دانش فعلی بشر خارج است، برای بیان حساسیت دامنهها، به پهنهبندی خطر زمینلغزش در مناطق مختلف میپردازند. در این تحقیق برای پهن...
متن کاملپهنه بندی خطر زمین لغزش با استفاده از روش شبکه عصبی مصنوعی(مطالعة موردی: حوزه سپیددشت، لرستان)
این تحقیق با هدف پهنهبندی خطر نسبی ناپایداری دامنهای و وقوع زمین لغزش در حوزه سپیددشت با استفاده از روش شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه و الگوریتم یادگیری پس انتشار خطا صورت گرفته است. به منظور بررسی پایداری دامنهها در این حوزه ابتدا لغزشهای حوزه با استفاده از تصاویر ماهوارهای TM و +ETM، عکسهای هوایی 1:50000 منطقه و بازدیدهای میدانی (سال 1393) شناسایی و ثبت گردیدند. با قطع نقش...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
زمین شناسی مهندسیجلد ۱، شماره ۲، صفحات ۱۷۹-۱۹۳
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023