بررسی تأثیر تعداد عوامل ورودی در مقدار دقت شبکه عصبی مصنوعی برای پهنه‌بندی خطر وقوع زمین‌لغزش (بررسی موردی: حوزه آبخیز هراز)

نویسندگان

  • علیرضا سپهوند کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، ایران
  • پرویز عبدالمالکی استادیار دانشکده علوم پایه دانشگاه تربیت مدرس، ایران
چکیده مقاله:

بیش از 30 درصد از مساحت کشور ایران را مناطق کوهستانی تشکیل می‌دهد، لذا هر ساله حرکات توده ایموجب خسارت به انواع سازه‌های مهندسی، مناطق مسکونی و جنگل‌ها در پی آن ایجاد رسوب و سیلاب‌های گل‌آلودگی رودخانه‌ها می‌شود. لذا برای جلوگیری از این خسارت‌ها و تعیین حساسیت دامنه‌ها، به پهنه‌بندی خطر زمین‌لغزش در مناطق مختلف می‌پردازند. هدف از انجام این پژوهش، تعیین ساختار بهینه شبکه عصبی مصنوعی با تعداد عوامل ورودی مختلف برای پهنه‌بندی خطر وقوع زمین‌لغزش در بخشی از حوزه آبخیز هراز می‌باشد. برای انجام این پژوهش ابتدا تعداد تکرار بهینه برای جلوگیری از آموزش بیش از حد شبکه با روش سعی و خطا تعیین شد. سپس تعداد نرون در لایه پنهان 14 نرون تعیین شد. در نهایت تعداد نرون در لایه ورودی از 1 تا 9 تغییر داده شد. با توجه به نتایج به‌دست آمده مشخص شد که هر چه تعداد نرون در لایه ورودی افزایش یابد کارایی شبکه برای پهنه‌بندی حساسیت زمین‌لغزش بهتر می‌شود. در این پژوهش ساختار 9 نرون در لایه ورودی، 14 نرون در لایه پنهان و 1 نرون در لایه خروجی با نسبت یادگیری 2/0 به‌عنوان ساختار بهینه انتخاب شد که ریشه میانگین مربعات خطا و ضریب تبیین به‌ترتیب برابر 051/0 و 9623/0 بود. نقشه پهنه‌بندی تهیه شده با این ساختار دارای دقت 307/92 درصد بود. نتایج دیگر پژوهش نشان داد که از کل مساحت منطقه مورد مطالعه، 14/35، 73/26، 59/14، 88/9 و 63/13 درصد، به‌ترتیب در طبقه پایدار، کم خطر، خطر متوسط، خطر زیاد و خطر خیلی زیاد قرار گرفته 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 تأثیر تعداد عوامل ورودی در مقدار دقت شبکه عصبی مصنوعی برای پهنه بندی خطر وقوع زمین لغزش (بررسی موردی: حوزه آبخیز هراز)

بیش از 30 درصد از مساحت کشور ایران را مناطق کوهستانی تشکیل می دهد، لذا هر ساله حرکات توده ایموجب خسارت به انواع سازه های مهندسی، مناطق مسکونی و جنگل ها در پی آن ایجاد رسوب و سیلاب های گل آلودگی رودخانه ها می شود. لذا برای جلوگیری از این خسارت ها و تعیین حساسیت دامنه ها، به پهنه بندی خطر زمین لغزش در مناطق مختلف می پردازند. هدف از انجام این پژوهش، تعیین ساختار بهینه شبکه عصبی مصنوعی با تعداد عوا...

متن کامل

پهنه 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...

متن کامل

مدل سازی خطر وقوع زمین لغزش با استفاده از شبکه عصبی مصنوعی(مطالعه موردی: حوزه آبخیز تجن، استان مازندران)

با توجه به خسارات جانی و خسارات مالی فراوانی که وقوع زمین لغزشها به مناطق مسکونی، اراضی زراعی و ... وارد می سازند، پهنه بندی و شناخت مناطق دارای خطر زیاد وقوع زمین لغزش ضروری می باشد. روش های مختلفی برای پهنه بندی خطر وقوع زمین لغزش ارائه شده است که در این تحقیق، روش شبکه عصبی مصنوعی با توجه به اینکه مستقل از توزیع آماری داده ها می باشد و به متغیرهای آماری مخصوصی احتیاج ندارد و همچنین دقت بالای...

15 صفحه اول

شبکه عصبی مصنوعی برای ارزیابی خطر اختلالات حرکتی در نوزادان

 Background: Prediction of developmental disorders in infancy is very important. This study aimed to predict movement disorders of children using Artificial Neural Network (ANN) model. Methods: This was a retrospective study, in which 600 infants with normal and 120 infants with abnormal neurologic examination were evaluated. For analysis, the data divided the study group randomly int...

متن کامل

ارزیابی دقت شبکه های عصبی مصنوعی در برآورد دبی حداکثر ‏لحظه ای، مطالعه موردی: حوزه های آبخیز استان فارس

برآورد دبی اوج سیلاب در حوزه ­های آبخیز یکی از مهم ترین مسائلی است که هیدرولوژیست­ ها و کارشناسان بخش آب را به خود مشغول کرده است. یکی از روش های نوین در حل مسائل مهندسی آب و رودخانه ها و همچنین، برآورد دبی اوج لحظه­ ای، استفاده از شبکه­ های عصبی مصنوعی می باشد که با الگوبرداری از شبکه مغز انسان ضمن اجرای فرآیند آموزش، روابط درونی بین داده ها را کشف و برای موقعیت های دیگر تعمیم می دهد. هدف از ا...

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 65  شماره 2

صفحات  231- 243

تاریخ انتشار 2012-08-22

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

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023