این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
زمین شناسی مهندسی، جلد ۱۰، شماره ۳، صفحات ۳۶۰۱-۳۶۲۶
عنوان فارسی پهنه‌بندی خطر زمین‌لغزش در حوضۀ آبخیز طالقان با استفاده از روش سیستم‌های هوشمند (روش شبکۀ عصبی مصنوعی مبتنی بر توابع پایه‌ای گوسی و شبکۀ عصبی پرسپترون)
چکیده فارسی مقاله زمین­لغزش­ها هر سال خسارت­های مالی و جانی زیادی به‌بار می­آورند. نقشه­های پهنه‌بندی خطر زمین­لغزش می­توانند به کاهش این خسارت­ها کمک کنند. حوزۀ آبخیز طالقان از جمله­ حوزه­های مستعد زمین­لغزش است که بررسی شده است. در این مقاله به پهنه­بندی خطر زمین­لغزش در این منطقه و در مقیاس 50000/1، و با در نظر داشتن لایه­های اطلاعاتی پراکندگی لغزش­ها، شیب، برای شیب، زمین‌شناسی (لیتولوژی)، فاصله از گسل­ها، فاصله از آبراهه­ها، با روش شبکه­های عصبی مصنوعی مبتنی بر توابع پایه­ای گوسی (RBF) و شبکه‌های عصبی پرسپترون (MLP) می‌پردازیم. کلیات روش RBF تا حدود زیادی مشابه شبکه­های عصبی پرسپترون (MLP) است که تا کنون قابلیت آن مشخص شده­ است و چندین تفاوت ساختاری در مؤلفه­ها بین این دوروش شبکۀ عصبی وجود دارد. از نتایج نهایی مشخص شد که نقشه‌های حاصل از هر دو روش قابل قبول هستند و روش MLP دقت بیش‌تری نسبت به‌روش RBF دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Landslide Hazard Zonation in Taleghan watershed by using intelligent systems (Gaussian radial basis function and multilayer perceptron artificial neural networks)
چکیده انگلیسی مقاله Landslides are natural hazards that make a lot of economical and life losses every year. Landslide hazard zonation maps can help to reduce these damages. Taleghan watershed is one the susceptible basin to landslide that has been studied. In this paper, landslide hazard zonation of the study area is performed at a scale of 1:50,000. To achieve this aim, layers information such as landslides distribution, slope, aspect, geology (lithology), distance from the faults and distance from rivers using artificial neural network-based Radial Basis Function (RBF) and perceptron neural network (MLP), has been studied. Principal of RBF method is similar to perceptron neural network (MLP), which its ability somewhat has been identified up to now and there are several structural differences between these two neural networks. The final results showed that the maps obtained from both methods are acceptable but the MLP method has a higher accuracy than the RBF method.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله نرگس سلیمی | n salimi
دانشگاه خوارزمی، دانشکده علوم زمین،
سازمان اصلی تایید شده: دانشگاه خوارزمی (Kharazami university)

سید محمود فاطمی عقدا | m fatemiaghda
دانشگاه خوارزمی، دانشکده علوم زمین،
سازمان اصلی تایید شده: دانشگاه خوارزمی (Kharazami university)

محمد تشنه لب | m teshnehlab
دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده مهندسی برق
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

یوسف شرفی | y sharafi
دانشگاه آزاد اسلامی تهران، واحد علوم وتحقیقات، گروه کامپیوتر

نشانی اینترنتی http://jeg.khu.ac.ir/browse.php?a_code=A-10-515-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/885/article-885-339535.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده ژئوتکنیک (مکانیک خاک و سنگ)
نوع مقاله منتشر شده مقاله استخراج شده از پایان نامه
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات