این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جغرافیا و برنامه ریزی، جلد ۲۱، شماره ۵۹، صفحات ۸۹-۱۱۱
عنوان فارسی کاربرد مدل شبکه عصبی مصنوعی در پهنه‌بندی خطر زمین‌لغزش
چکیده فارسی مقاله ین‌لغزش به­عنوان یکی از مخاطرات طبیعی در مناطق کوهستانی محسوب می‌شود که هر ساله منجر به خسارات زیادی می‌شود. حوضه آبریز دوآب الشتر با داشتن چهره‌ای کوهستانی و مرتفع و شرایط طبیعی مختلف دارای استعداد بالقوه زمین‌لغزش است. هدف از این تحقیق پهنه‌بندی خطر زمین‌لغزش با استفاده از مدل شبکه عصبی مصنوعی در حوضه دوآب الشتر می‌باشد. بدین منظور ابتدا پزمارامترهای مؤثر در وقوع زمین‌لغزش استخراج و سپس لایه‌های مربوطه تهیه‌ شده است. درادامه نقشه پراکنش زمین‌لغزش‌های رخ‌داده شده حوضه تهیه شد. سپس با تلفیق نقشه عوامل مؤثر بر لغزش با نقشه پراکـنش زمین‌لغزش‌ها، تأثیر هر یـک از عوامل شیب، جهت شیب، سنگ‌شناسی، بارش، کاربری اراضی، فاصله از گسل و آبراهه در محیط نرم‌افزار ArcGIS سنجیده شد. در این پژوهش مدل‌ شبکه عصبی مصنوعی با الگوریتم پس انتشار خطا و تابع فعال‌سازی سیگموئید به­کار گرفته شد. ساختار نهایی شبکه دارای 7 نرون در لایه ورودی، 11 نرون در لایه پنهان و 1 نرون در لایه خروجی گردید. دقت شبکه در مرحله آزمایش 85/93 درصد محاسبه شد. پس از بهینه شدن ساختمان شبکه، کل اطلاعات منطقه در اختیار شبکه قرار گرفت. بر اساس پهنه‌بندی صورت گرفته با استفاده از مدل شبکه عصبی مصنوعی به ترتیب 37/44، 45/7، 93/8، 49/32، 76/6 درصد از مساحت منطقه در کلاس‌های خطر خیلی‌کم، کم، متوسط، زیاد و خیلی‌زیاد قرار گرفته است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی .Application of artificial neural network in the evaluation and landslide hazard zonation
چکیده انگلیسی مقاله Landslide is one of the natural hazards in mountainous regions that results in huge losses every year. Alashtar Doab watershed with mountainous terrains, uplands and different natural conditions has the potential for landslide. The purpose of this study is landslide hazard zoning using artificial neural network model in Alashtar Doab watershed. In order to preparing the map, first of all parameters of the landslide were extracted and then the layers were prepared and after that a landslide distribution map that was occurred in the basin was prepared and then by combining landslide influencing factors with landslide distribution map, the impact of each of these factors such as slope, aspect, lithology, rainfall, land use, distance from fault and stream in ArcGIS software were measured.  In this research, artificial neural network model with error back propagation algorithm and sigmoid activation function was used. The final structure of the network consisted of eight neurons in the input layer, eleven neurons in the hidden layer and one neuron in the output layer. Network accuracy in the testing phase was calculated by 85.93 percentages. After optimization of the network structure, all area information was imported to the network. Based on landslide hazard zoning using artificial neural network model, 37.44, 45.7, 93.8, 49.32 and 76.6 percent of the area at risk is located in very low, low, medium, high and very high classes, respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمدحسین رضایی مقدم | mohammad hossein rezaei moghaddam
دانشگاه تبریز کشور ایران شهر تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

محمدرضا نیکجو | mohammad reza
دانشگاه تبریز کشورایران شهر تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

کامران خلیل ولیزاده | kh valizadeh
دانشگاه تبریزکشور ایران شهرتبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

بلواسی ایمانعلی | ایمانعلی
دانشگاه تبیز کشور ایران شهر تبریز

مهدی بلواسی |
دانشگاه تبریز کشور ایران شهر تبریز
سازمان اصلی تایید شده: دانشگاه تبریز (Tabriz university)

نشانی اینترنتی http://geoplanning.tabrizu.ac.ir/article_6126_098889f13def5e4a7999dd8e961a8b34.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/760/article-760-452911.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات