پهنه بندی خطر رانش زمین در منطقه طالش با استفاده از سیستم های هوشمند (شبکه های عصبی مصنوعی پرسپترون)
Authors
abstract
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
similar resources
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...
full textپهنه 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...
full textپهنه 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...
full textپیشبینی 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...
full textپهنه 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...
full textپهنه 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...
full textMy Resources
Save resource for easier access later
Journal title:
زمین شناسی مهندسیجلد ۱، شماره ۲، صفحات ۱۷۹-۱۹۳
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023