بررسی کارایی مدل سیستم استنتاج عصبی-فازی تطبیقی در تهیه نقشه حساسیت زمین‌لغزش (مطالعه موردی: حوزه آبخیز سردارآباد استان لرستان)

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 267

This Paper With 22 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_GEH-7-1_005

تاریخ نمایه سازی: 24 فروردین 1400

Abstract:

زمین‌لغزش ازجمله بلایای طبیعی است که بیشتر در مناطق کوهستانی رخ می‌دهد و مورفولوژی را به‌طور ناگهانی تغییر داده و خسارت‌های عمده‌ای به ‌مناطق مسکونی، جاده‌ها زمین‌های کشاورزی و غیره وارد می‌سازد. هدف از تحقیق حاضر تهیه نقشه حساسیت زمین‌لغزش با استفاده از سیستم استنتاج عصبی-فازی تطبیقی در حوزه آبخیز سردارآباد واقع در استان لرستان است. به این منظور با استفاده از تصاویر ماهواره‌ای و بازدیدهای صحرایی، 109 پهنه لغزشی شناسایی و نقشه پراکنش زمین‌لغزش‌های منطقه مورد مطالعه تهیه گردید. لایه‌های اطلاعاتی ارتفاع، سنگ‌شناسی، درجه شیب، جهت شیب، شکل شیب، فاصله از رودخانه، فاصله از جاده، فاصله از گسل، بارندگی و کاربری اراضی به عنوان عوامل مؤثر بر وقوع زمین‌لغزش شناسایی و نقشه‌های مذکور در محیط نرم‌افزار ArcGIS تهیه و رقومی گردیدند. به منظور وزن‌دهی کلاس‌های هر یک از عوامل از روش نسبت فراوانی استفاده گردید؛ سپس وزن‌های به‌دست آمده نرمال‌سازی شده و به محیط نرم‌افزار Matlab2015a منتقل گردید. در تحقیق حاضر از ساختار سیستم استنتاج فازی خوشه‌بندی (کلاسترینگ) برای پهنه‌بندی حساسیت زمین‌لغزش استفاده گردید. به‌منظور ارزیابی مدل‌ها از منحنی راک استفاده شد. نتایج ارزیابی نشان داد که دقت مدل‌ تهیه‌شده با استفاده از سیستم استنتاج عصبی- فازی تطبیقی در منطقه موردمطالعه 11/89 درصد (خیلی خوب) برآورد شده است. نقشه حساسیت لغزش نیز نشان داد که مساحت مناطق با حساسیت متوسط 29درصد، حساسیت زیاد 23درصد و حساسیت خیلی زیاد 12درصد است. در مجموع مساحت مناطق متوسط، زیاد و خیلی زیاد 64درصد بوده که نشان‌دهنده پتانسیل خطرپذیری بالای حوزه آبخیز سردارآباد در بروز لغزش‌ها است.

Keywords:

حوزه آبخیز , زمین‌لغزش , سیستم استنتاج عصبی- فازی تطبیقی , منحنی راک , منطقه‌سردارآباد

Authors

سحر گودرزی

دانشگاه یزد

علی طالبی

دانشگاه یزد

حمیدرضا پورقاسمی

دانشگاه شیراز

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • ابراهیمی، افسانه؛ شاد، روزبه؛ قائمی، مرجان؛ 1394. پیش‌بینی خطر زمین‌لغزش ...
  • اعتبارسنجی سیستم استنتاج تطبیقی عصبی- فازی (ANFIS) در برآورد فرسایش و رسوب (مطالعه موردی: حوضه نوران) [مقاله کنفرانسی]
  • پور قاسمی، حمیدرضا؛ 1386. پهنه‌بندی خطر زمین‌لغزش با استفاده از ...
  • پور قاسمی، حمیدرضا؛ مرادی، حمید رضا؛ فاطمی عقدا، سیدمحمود؛ 1391. ...
  • جوکار سرهنگی، عیسی؛ امیر احمدی، ابوالقاسم؛ سلمایان، حسین؛ 1376. پهنه‌بندی ...
  • زارع، محمد؛ احمدی، حسن؛ غلامی، شعبانلی؛ 1390. پهنه‌بندی و ارزیابی ...
  • شادفر، صمد؛ یمانی، مجتبی؛ 1386. پهنه‌بندی خطر زمین‌لغزش در حوزه ...
  • صفاری، امیر ؛ اخدر، آرش؛ 1391. مقایسه مدل نسبت فراوانی ...
  • علیجانی، بهلول؛ قهرودی، منیژه ؛ امیر احمدی، ابوالقاسم؛ 1386. پهنه‌بندی ...
  • فیض‌الله‌پور، مهدی؛ 1396. پهنه بندی مناطق مستعد به زمین لغزش ...
  • ارزیابی عملکرد مدل های هوش مصنوعی ( شبکه های عصبی مصنوعی و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS)) در پیش بینی دبی ماهانه جریان رودخانه (مطالعه موردی : بند بهمن رودخانه قره آغاج) [مقاله کنفرانسی]
  • مقدم نیا، علیرضا؛ زارع، محمد؛ تالی خشک، صادق؛ سلمانی، حسین؛ ...
  • مقیمی، ابراهیم؛ علوی پناه، سید. کاظم؛ جعفری، تیمور؛ 1387. ارزیابی ...
  • Aghdam, I.N., Varzandeh, M.H.M. & Pradhan, B., 2016. Landslide susceptibility ...
  • Bui, D. T., Pradhan, B., Lofman, O., Revhaug, I., & ...
  • Chen, W., Panahi. M., & Pourghasemi., H.R., 2017. Performance evaluation ...
  • Duman, TY., Can, T., Gokceoglu, C., Nefeslioglu, H.A., & Sonmez, ...
  • Ercanoglu, M., & Candan, G. P., 2004. Use of fuzzy ...
  • Feizizadeh, B., Shadman Roodposhti, M., Jankowski, P., & Blaschke,T., 2014. ...
  • Jang, J.S., 1993. ANFIS: adaptive-network-based fuzzy inference system, IEEE Trans ...
  • Jouri, M.H., Zare, M., Askarizadeh, D., Fakhre Ghazi, M., Salarian, ...
  • Kartalopoulos, S.V., 1996. Understanding Neural Networks and Fuzzy Logic- Basic ...
  • Kayastha, P., 2012. Application of fuzzy logic lsndslide susceptibility mapping ...
  • Komac, M.A., 2006. Landslide susceptibility model using the analytical hierarchy ...
  • Lee, S., 2007. Application and verification of fuzzy algebraic operators ...
  • Leonardi, G. Palamara, R. Cirianni,F., 2016. Landslide Susceptibility Mapping Using ...
  • Mathew, J., Jha,V., & Rawat, G. )2007( .Weights of evidence ...
  • Oh, H.J., &Pradhan, B. )2011(. Application of a neuro-fuzzy model ...
  • Polykretis, Ch., Chalkias, Ch., & Ferentinou, M., 2017. Adaptive neuro-fuzzy ...
  • Pourghasemi, H.R., Mohammady, M., & Pradhan, B., 2012. Landslide susceptibility ...
  • Pradhan, B., 2010. Remote sensing and GIS-based landslide hazard analysis ...
  • Pradhan, B., 2013. A comparative study on the predictive ability ...
  • Salarian, T., Zare, M., Jouri, M.H., Miarrostami, S., & Mahmoudi, ...
  • Sezer, E.A., Pradhan, B., & Gokceoglum, C., 2011. Manifestation of ...
  • Swets, J. A., 1988. Measuring the accuracy of diagnostic systems. ...
  • Talebi, A., Troch, P. A., & Uijlenhoet, R., 2008. A ...
  • Williams, C.J.S.S., Lee. R., Fisher, A., & Dickerman, L. H., ...
  • Yalcin, A., 2008. GIS-based landslide susceptibility mapping using analytical hierarchy ...
  • Yesilnacar, E.K., 2005. The application of computational intelligence to landslide ...
  • Zare, M., Pourghasemi, H.R., Vafakhah, M., & Pradhan, B., 2012. ...
  • Zhu, C., &Wang, X., 2009. Landslide susceptibility mapping: A comparison ...
  • نمایش کامل مراجع