ارزیابی کارایی مدل آماری دومتغیره،در پیش‌بینی خطر زمین‌لغزش(مطالعه‌ی موردی: حوزه‌ی سد ایلام)

نویسندگان

  • آرخی, صالح دانشکده‌ی کشاورزی ایلام
  • اختصاصی, محمد رضا دانشکده‌ی منابع طبیعی و کویرشناسی یزد
  • طالبی, علی دانشکده‌ی منابع طبیعی و کویرشناسی یزد
  • مختاری, محمد حسین پژوهشکده‌ی مناطق خشک و بیابانی
چکیده مقاله:

  زمین ­ لغزش از جمله بلایای طبیعی است که بیش­تر در مناطق کوهستانی رخ می­دهد و مورفولوژی را به طور ناگهان به هم می ­ زند و خسارت­هایی عمده به مناطق مسکونی، جاده ­ ها، زمین ­ های کشاورزی و غیره وارد می ­ کند. به این دلیل، پدیده ­ ی زمین ­ لغزش همواره مورد توجه دولت­ها و مراکز علمی و پژوهشی بوده و روش­های گوناگونی برای مطالعه­ی آن­ها ارایه شده است تا بدین وسیله، بتوان به شناسایی و رویارویی با آن اقدام کرد. در این مطالعه، با استفاده از مدل آماری دومتغیره که خود شامل سه روش تراکم سطح، ارزش اطلاعاتی و وزن متغیرهاست، نقشه­ی خطر زمین ­ لغزش در حوزه­ی سد ایلام تهیه شده است. نتایج بدست آمده از ارزیابی مدل آماری دومتغیره، با استفاده از روش­های شاخص زمین­لغزش، پارامتر دقت نتایج پیش­بینی­شده و نسبت تراکمی نشان ­ داده که روش نسبت تراکمی، روشی مناسب­تر جهت ارزیابی کارایی مدل است بر این اساس، این روش به عنوان روش مبنا جهت ارزیابی کارایی مدل شناخته شده است که بر اساس نتایج بدست آمده از آن، روش­ های تراکم سطح، وزن متغیرها و ارزش اطلاعاتی به ترتیب بیش­ترین دقت را در تفکیک کلاس­های خطر زمین ­ لغزش داشته­اند. مقدار شاخص جداکردن کلاس­های خطر در روش تراکم سطح، وزن متغیرها و ارزش اطلاعاتی به ترتیب 6/2، 7/1 و 12/1 بوده است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بررسی کارایی مدل درختان تصمیم‌گیری در برآورد رسوبات معلق رودخانه‌ای (مطالعه موردی: حوضه سد ایلام)

The real estimation of the volume of sediments carried by rivers in water projects is very important. In fact, achieving the most important ways to calculate sediment discharge has been considered as the objective of the most research projects. Among these methods, the machine learning methods such as decision trees model (that are based on the principles of learning) can be presented. Decision...

متن کامل

پیشبینی 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 کامل

انتخاب مناسبترین مدل آماری برای پهنه‌بندی خطر و ارزیابی خسارت زمین‌لغزش(مطالعه موردی: حوضه آبخیز دوآب صمصامی)

حوضه آبخیز دوآب صمصامی یکی از زیرحوضه‌های کارون بوده و در استان چهارمحال و بختیاری واقع است. نقشه پراکنش زمین‌لغزش‌های منطقه با تفسیر استریوسکپی عکس‌های هوایی و بازدیدهای میدانی تهیه گردید و 37 مورد لغزش رخداده مشاهده شد. نه عامل کلیدی و موثر بر آنها شامل: ارتفاع، شیب، جهت، سنگ‌شناسی، فاصله از گسل، فاصله از آبراهه، فاصله از جاده، کاربری اراضی و میزان بارش انتخاب گردید. بر اساس داده‌های صحرائی ب...

متن کامل

بررسی کارایی مدل درختان تصمیم گیری در برآورد رسوبات معلق رودخانه ای (مطالعه موردی: حوضه سد ایلام)

تخمین درست حجم رسوبات حمل شده توسط رودخانه ها در پروژه های آبی از اهمیت بسیاری برخوردار است. در حقیقت حصول روش هایی برای محاسبه دبی رسوبات مهم ترین هدف تحقیقات مربوط به فرآیند رسوب شده است. از جمله این روش ها می توان به روش های یادگیری ماشین از قبیل مدل درختان تصمیم گیری که مبتنی بر اصول یادگیری می باشند، اشاره کرد. روش درخت تصمیم یک روش سلسله مراتبی یا چند مرحله ای است که در آن به صورت بازگشتی...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 4  شماره 10

صفحات  9- 20

تاریخ انتشار 2010-04

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023