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 آن در پهنه بندی، استفاده شده است. هدف از این تحقیق پهنه بندی خطر وقوع زمین لغزش با استفاده از شبکه عصبی در بخشی از حوزه تجن می باشد. در این تحقیق ابتدا براساس بررسی های میدانی، مصاحبه محلی و مرور مطالعات انجام شده در مناطق مشابه، 12 عامل شیب، جهت، ارتفاع از سطح دریا، کاربری اراضی، نوع سازند زمین شناسی، ضریب سطح، فاصله از گسل، فاصله از جاده، فاصله از آبراهه، فاصله از خط الرأس، بارندگی و انحنای شیب به عنوان عوامل موثر در زمین لغزش تشخیص داده شدند. لایه های اطلاعاتی هر کدام از این عوامل با استفاده از نرم افزار arc gis تهیه شد و با استفاده از روش نسبت فراوانی هر کدام از این عوامل کلاسه بندی شدند. سپس با استفاده از extension، combine در نرم افزار arc gis ماتریسی از اعداد تشکیل و داده های حاصل نرمالیزه گردید. از بین این داده ها پیکسل هایی از حوزه که مطمئنأ در آنها لغزش رخ داده است و همچنین پیکسل هایی که احتمال رخداد لغزش در آنها صفر می باشد انتخاب و به صورت تصادفی 70 درصد از این پیکسل ها جهت آموزش و 30 درصد باقیمانده جهت آزمایش شبکه انتخاب شدند. سپس این داده ها به یک شبکه عصبی پرسپترون سه لایه تغذیه شونده به جلو(feed forward) با الگوریتم پس انتشار خطا تغذیه گردید و کارایی شبکه آموزش داده شده مورد آزمایش قرار گرفت. با بررسی پاسخ های خروجی شبکه عصبی مصنوعی برای ساختارهای مختلف بدست آمده و مقادیر rmse و r2 در مرحله آموزش و آزمایش، مشخص گردید که در شبکه عصبی با ساختار 12 نرون در لایه ورودی، 12 نرون در لایه پنهان و 1 نرون در لایه خروجی، مقدار rmse برای مرحله آموزش و آزمون به ترتیب 0249/0 و 0614/0 می باشد همچنین مقدار r2 برای مرحله آموزش و آزمون به ترتیب 9927/0 و 9624/0 می باشد که در نهایت همین ساختار به عنوان ساختار بهینه برای شبکه ایجاد شده مورد استفاده قرار گرفت. بعد از بدست آمدن ساختار بهینه کل اطلاعات مربوط به منطقه در اختیار شبکه قرار گرفت و خروجی بدست آمده از شبکه در نرم افزار arc gis تبدیل به نقشه پهنه بندی با 5 پهنه لغزشی بدون خطر، کم خطر، متوسط، پر خطر و خیلی پر خطر شد که هر کدام به ترتیب 33/15، 83/19، 72/26، 36/19 و 76/18 درصد از منطقه را به خود اختصاص داده اند. نقشه پهنه بندی حاصل با آزمون درصد صحت پیش بینی، مقایسه نسبت وقوع و بررسی درصد اختلاف بین تراکم لغزش مشاهده شده، احتمال خطر پیش بینی شده و احتمال تجربی، ارزیابی شده و مورد تایید قرار گرفت.