پهنه بندی خطر زمین لغزش با استفاده از شبکه عصبی مصنوعی در بخشی از حوزه آبخیز هراز
Authors
Abstract:
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 پهنهبندی خطر وقوع زمینلغزش از شبکه عصبی مصنوعی و با استفاده از 9 عامل، شیب، جهت شیب، فاصله از رودخانه، زمین شناسی، فاصله از گسل، فاصله از جاده، کاربری اراضی، طبقات ارتفاعی و بارش استفاده شد. به این منظور از 78 نقطه لغزشی و 78 نقطه غیر لغزشی مشخص شده در منطقه، 3/2 برای مدلسازی و 3/1 برای آموزش مدل استفاده شد. ابتدا نقشه رقومی هر یک از عوامل مذکور در محیط نرمافزار GIS تهیه و سپس ارزش طبقات هر عامل با استفاده از روش نسبت فراوانی تعیین گردید. برای ورود به محیط نرمافزار MATLAB ابتدا اطلاعات مربوط به هر پیکسل مشخص شد. در این تحقیق برای آموزش شبکه از الگوریتم پس انتشار خطا و تابع فعالسازی سیگموئیدی استفاده شد. نتایج بیانگر این موضوع بود که شبکه عصبی با ساختار 1-14-9 و با ضریب یادگیری 1/0 دارای ریشه میانگین مربعات خطا برابر 051/0 است. دقت شبکه در مرحله آموزش و آزمایش برابر 307/92 درصد و ضریب تبیین آن برابر 962/0 بود. علاوه بر این نتایج نشان داد که 63/13 درصد از مساحت منطقه در طبقه با خطر خیلی زیاد قرار گرفته است.
similar resources
پهنه 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 textپهنه بندی حساسیت زمین لغزش با استفاده از شبکه عصبی مصنوعی در بخشی از حوزه آبخیز هراز
چکیده بخش بزرگی از کشور ایران را مناطق کوهستانی تشکیل می دهد، لذا هر ساله زمین لغزش موجب خسارت به انواع سازه های مهندسی، مناطق مسکونی و جنگل ها در پی آن ایجاد رسوب و سیلاب های گل آلود و در نهایت باعث پر شدن مخازن سد ها می گردد. از آن جا که پیش بینی زمان و مکان رخداد زمین لغزش از توان دانش فعلی بشر خارج است لذا برای بیان حساسیت دامنه ها به پهنه بندی خطر زمین لغزش در مناطق مختلف می-پردازند. هدف ...
15 صفحه اولپهنه 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 textپهنه بندی خطر زمین لغزش با استفاده از اپراتور فازی گاما (مطالعه موردی: حوزه آبخیز هراز)
محدودیت استفاده از اعداد محققین را بر آن داشته که از مجموعه های فازی برای بیان وزن عوامل استفاده کنند. مزیت این تئوری در آن است که به جای یک عدد، دامنهای از اعداد با درجه امکان مشارکت در لغزش در نظر گرفته میشود. لذا هنگامی که از تئوری مجموعه های فازی برای بیان وزن عوامل استفاده میشود به طور قطع و یقین یک عدد به عنوان وزن تعیین نمیگردد، بلکه تنها امکان صحیح بودن عدد ارائه شده بیش از امکان صحیح ب...
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 textپهنه 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 نقش...
full textMy Resources
Journal title
volume 29 issue 4
pages 9- 19
publication date 2017-02-19
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