پهنه بندی خطر زمین لغزش با استفاده از روش شبکه عصبی مصنوعی(مطالعه موردی: حوزه سپیددشت، لرستان)

این تحقیق با هدف پهنه بندی 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 دامنه ها در این حوزه ابتدا لغزش­های حوزه با استفاده از تصاویر ماهواره ای tm و +etm، عکس­های هوایی 1:50000 منطقه و بازدیدهای میدانی (سال 1393) شناسایی و ثبت گردیدند. با قطع نقشه های عوامل مؤثر بر لغزش با نقشه پراکنش زمین لغزش ها، تاثیر هر یک از عوامل شیب، جهت شیب، کاربری اراضی، ارتفاع، لیتولوژی، بارندگی، فاصله از گسل، جاده و آبراهه به ناپایداری شیب ها در محیط نرم افزار arcgis®10.1 برآورد گردید. در محیط متلب ساختار مناسب (1-13-9) برای پهنه بندی خطر زمین­لغزش با استفاده از روش شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه و الگوریتم یادگیری پس انتشار خطا نوشته شد. بر اساس نتایج پهنه­بندی خطر زمین­لغزش با استفاده از این مدل به ترتیب 18/0، 41/12، 09/14، 85/29 و 52/43% از مساحت منطقه در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار دارند.