پهنه بندی خطر ناپایداری های دامنه ای در جاده های کوهستانی با استفاده از شبکه عصبی مصنوعی(MLP)مطالعه موردی:( تنگه دره دیز)
Publish place: Quarterly Journal of Physical Geography، Vol: 9، Issue: 33
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 167
This Paper With 18 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:
شناسه ملی سند علمی:
JR_JOPG-9-33_002
تاریخ نمایه سازی: 13 آذر 1400
Abstract:
تنگه دره دیز یکی از مخاطرهآمیزترین تنگههای استان آذربایجانشرقی، از لحاظ وقوع ناپایداریهای دامنه ای است. با توجه به انطباق این تنگهبا تنها جاده ارتباطی شهرستان مرند – جلفا، یکی از بهترین راههای نگهداری وحفظ امنیت این مسیر، شناسایی مناطق و نقاط بحرانی و به عبارتی پهنهبندی خطر وقوع ناپایداری دامنهای این تنگه است. در این راستا در ابتدا دادههای مورد نیاز جمع آوری و سپس پردازش گردیدند و سپس لایههای اطلاعاتی لازم در محیطGIS، تهیه گردیده و سپسنقشه پهنهبندی خطر ناپایداری در نرمافزار IDRISIو در محیط شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) با ساختار ۱-۱۰-۱۵تهیه گردید و مناطق مستعد وقوع خطر ناپایداریهای دامنهای درمحدوده مورد مطالعه در پنج کلاس خطربسیاربالا، بالا، متوسط، پایین و بسیارپایین مشخص شد. بر طبق نتایج حاصل عواملی مانند شیب و فاصله از گسل مهمترین عوامل تاثیر گذار در وقوع ناپایداریهای دامنهای در تنگه دره دیز و در نهایت سبب ناامنی هر چه بیشتر جاده می باشند.
Keywords:
پهنه بندی خطر , ناپایداری های دامنه ای , جاده های کوهستانی , تنگه دره دیز , شبکه عصبی پرسپترونچند-لایه(MLP)
Authors
شهرام روستائی
استاد گروه ژئومورفولوژی دانشگاه تبریز،تبریز،ایران
فاطمه خدائی
دانشجوی دکتری ژئوموفولوژی دانشگاه تبریز،تبریز،ایران
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 :