بکار گیری مدل شبکه عصبی پرسپترون چند لایه (M .L.P) در پهنه بندی آسیب پذیری شهری با تاکید بر زلزله(مورد مطالعه منطقه٢٠ شهرداری تهران)

Authors

  • لقمان محمودی دانشجوی دکتری، گروه جغرافیا و برنامه ریزی شهری، دانشگاه شهید بهشتی تهران
  • مرتضی قورچی استادیار گروه جغرافیا و برنامه ریزی شهری ، دانشگاه شهید بهشتی تهران
Abstract:

منطقه 20 (شهرری ) جنوبی ترین منطقه شهری، شهرداری تهران با 453740 نفر جمعیت و وسعت 22 کیلومتر مربع داخل محدوده شهری و 178 کیلومترمربع خارج محدوده است.خطر زمین لرزه در این منطقه به دلیل موقعیت جغرافیایی و زمین ساختی، وجود گسل های متعدد در اطراف آن، وقوع زلزله های مخرب تاریخی متعدد در محدوده آن و سایر شواهد تکتونیکی و زمین شناختی بسیار بالا ارزیابی می شود. این پژوهش بابررسی وضع موجود و تحلیل وسطح بندی آسیب پذیری سکونتگاههای منطقه و با بهره گیری مدل MLPراهبرد تازه ای را دراین خصوص ارائه نموده است.نتایج حاصل از مدل بر اساس متغییر های ورودی نشان میدهد که روش استاندارد طبقه‌بندی نسبت به روش استاندارد حداکثر وحداقل ازکارایی و دقت بالاتری برخوردار است.با مشاهده نقشه روش استاندارد طبقه بندی در مدل بکار گرفته شده درمی بابیم که لکه های نارنجی و تقریبا آبی که بیشتر در مرکز منطقه پراکنده شده اند بیشترین همبستگی را با بافت های فرسوده راداشته ودرجه آسیب پذیری بالایی را به خود اختصاص داده است براساس نتایج حاصل از مدل مورد نظر به لحاظ گستردگی و پهنه آسیب پذیری ،ازمساحت کل منطقه ، 21 درصد دارای آسیب پذیری بالاوبسیار بالا،61درصددارای آسیب پذیری متوسط،18درصد ازمساحت منطقه دارای آسیب پذیری کم میباشد ونتایج لایه های جمعیتی نشان میدهد که 8/56درصد از کل جمعیت منطقه دارای درجه آسیب پذیری بالا ، بسیار بالا و9/27درصد بادرجه متوسط آسیب پذیری و1/14درصد با درجه آسیب پذیری کم میباشد که نشان دهنده تراکم جمعیتی درساختمانهای فرسوده باعرض معابرکم میباشد.همچنین نتایج حاصل ازلایه های نوع مصالح واماکن مهم منطقه حاکی از آن است که بیشترین آسیب پذیری به لحاظ نوع مصالح به ترتیب فلزی،آجری،نیمه فلزی وغیره...بوده واماکن مهمی مانندمراکزآموزشی،کلینک ودرمانگاهها منطقه از بیشترین درجه آسیب پذیری برخوردار هستند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی رسانایی گرمایی نانوسیال گرافن با مدل شبکه عصبی مصنوعی چند لایه پرسپترون

هدف از این مطالعه مدلسازی و پیش بینی رسانایی گرمایی نانو سیال گرافن به کمک شبکه عصبی مصنوعی چند لایه پرسپترون است. پارامترهای دمای نانوسیال، کسرحجمی و رسانایی گرمایی نانو ذره به عنوان ورودی شبکه در نظر گرفته شده است. بااطلاعات مربوط به اندازه گیری‌های تجربی محققین قبلی در مورد رسانایی گرمایی نانوسیال گرافن در دمای 25 تا 50 درجه سلسیوس و در کسر حجمی  005/0 تا 056/0 تست عملکرد شبکه انجام شده است....

full text

پهنه بندی آسیب پذیری شبکه فاضلاب شهری در مقابل مخاطرات طبیعی (مطالعه موردی: منطقه یک آبفا شهر تهران)

مراکز شهری بعلت تراکم جمعیتی و به تناسب آن تراکم تأسیسات آبرسانی و گستردگی شبکه جمع­آوری و دفع فاضلاب، برای مقابله با اثرات رویدادهای طبیعی خصوصاً سیل نیازمند مراقبت­ها، مقاوم­سازی­ها و تمهیدات خاص خود می­باشند. منطقه یک آبفا تهران شمالی‌ترین منطقه تهران به شمار می­رود. این در حالیست که مهم‌ترین رودخا‌نه‌هایی که سکونتگاه‌های شهر تهران و شریان‌های حیاتی آن را تحت تأثیر قرار می‌دهند و همواره یک عا...

full text

مدل‌سازی پهنه‌های اکتشاف نفتی با شبکه عصبی پرسپترون چند لایه (MLP) در GIS

فرآیند اکتشاف منابع هیدروکربنی به‌عنوان فرآیندی بسیار پیچیده و پرهزینه می‌باشد. در این فرآیند فاکتورهای متعدد زمین‌شناسی، ژئوشیمی و ژئوفیزیک تهیه و باهم تلفیق می‌شوند. طراحی بهترین مسیر برای برداشت داده‌های لرزه‌نگاری و همچنین تعیین بهترین محل برای حفر چاه‌های اکتشافی از اهمیت ویژه‌ایی برخوردار است، زیرا نتیجه تعیین نادرست یا بی‌دقت این مکان‌ها، صرف هزینه و زمان زیاد در طول عملیات می‌باشد. این ...

full text

تشخیص خودکار مدولاسیون با استفاده از برنامه نویسی ژنتیک و شبکه عصبی چند لایه پرسپترون

This paper shows how we can make advantage of using genetic programming in selection of suitable features for automatic modulation recognition. Automatic modulation recognition is one of the essential components of modern receivers. In this regard, selection of suitable features may significantly affect the performance of the process. In this research we implemented our model by using appropria...

full text

پهنه بندی آسیب پذیری منطقه دو کلان شهر تهران با استفاده از مدل ترکیبیFUZZY_AHP

مقدمه: عوامل طبیعی همواره در طول تاریخ و در نقاط مختلف جهان خطرهایی به محیط‌های طبیعی تحمیل کرده‌اند. بروز بحران‌های طبیعی ازجمله زلزله، سیل، طوفان، ریزش و لغزش زمین، موجب بروز خسارت‌های جانی و مالی زیادی شده است. منطقۀ دو کلان‌شهر تهران از جمله مناطقی است که به دلیل تغییر کاربری، افزایش جمعیت، شهرسازی، عبور گسل‌های فرعی و اصلی و قرارگیری در مسیر رودخانه‌های شمال تهران پتانسیل بالایی در بروز مخ...

full text

کاربرد شبکه عصبی پرپسترون چند لایه (‏MLP‏) در مکانیابی دفن پسماند جامد شهری با تاکید بر خصوصیات هیدروژئومورفیک‏

به تبع افزایش جمعیت شهری و در نتیجه افزایش تولید پسماند نیاز به یافتن محل مناسب به منظور دفع پسماند ضرورت دارد. با توجه به عوامل مختلف مؤثر در مکانیابی محل دفن و ‏وسعت زیاد منطقه مورد مطالعه، روش های سنتی جهت مکان یابی بسیار وقت گیر،‎ ‎هزینه بر و کم دقت می باشد. در این پژوهش از پرپسترون چند لایه با الگوریتم ‏لورنبرک-مارکوارت استفاده گردید. تابع سیگموئید به عنوان تابع فعال سازی برای هر واحد پردا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 9  issue 24

pages  -

publication date 2020-06-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023