تهیه ی نقشه ی حساسیت به وقوع زمین لغزش با استفاده از مدل شبکه عصبی پرسپترون چند لایه از نوع پیش خور پس انتشار (BP)

با توجه به توانایی های شبکه های عصبی مصنوعی، کاربرد آ ن ها در رشته های مختلف مهندسی و علوم زمین گسترش قابل ملاحضه ای داشته است. در این پژوهش برای پهنه بندی زمین لغزش در حوضه آبریز بار نیشابور از مدل شبکه عصبی پرسپترون چند لایه از نوع پیش خور پس انتشار (BP) استفاده شد. هدف نهایی از این پژوهش ارائه نقشه خطر زمین لغزش جهت ارزیابی وقوع آن با استفاده از روش شبکه عصبی مصنوعی می باشد. جهت ارزیابی شبکه عصبی ایجاد شده، داده های ۳۲ زمین لغزش اتفاق افتاده به سیستم ارائه گردید. این پایگاه داده شامل اطلاعات مربوط به شیب، جهت شیب، لیتولوژی، مدل ارتفاع رقومی (DEM)، نقشه هم باران، فاصله از گسل و کاربری اراضی می باشد. این داده ها جهت تغذیه به شبکه عصبی ایجاد شده، بر اساس بزرگترین مقدار موجود هر داده در بانک اطلاعاتی بین صفر و یک نرمالیزه گردید. سپس داده های نرمالیزه شده به یک شبکه عصبی پرسپترون سه لایه تغذیه شونده به جلو(Feed forward) با الگوریتم پس انتشار خطا (Back error propagation) تغذیه گردید. داده های فوق ابتدا در شبکه آموزش دیده و سپس مورد آزمایش قرار گرفتند. ساختار نهایی شبکه دارای ۷ نرون در لایه ورودی، ۲۰ نرون در لایه میانی و یک نرون در لایه خروجی می باشد. در این بین ۸۰ درصد اطلاعات برای آموزش و ۲۰ درصد باقیمانده برای آزمایش در نظر گرفته شد. دقت شبکه در مرحله آزمایش ۲۵/۹۱ درصد برآورد گردید. خروجی به دست آمده از شبکه عصبی با اختلاف ۲/۰ به پنج پهنه تقسیم بندی شد. بر اساس این پهنه بندی ۵۰/۸، ۵۲/۱۱، ۹۲/۱۷، ۴۵/۳۹، ۶۱/۲۲ درصد از مساحت منطقه به ترتیب در کلاس های خطر پایدار، کم خطر، متوسط، زیاد و خیلی زیاد قرار گرفته است. نتایج حاصل نشان داد که ساختار زمین شناسی تشکیل یافته از مارن های خاکستری با میان لایه های آهکی(سازند دلیچای) و همچنین فعالیت های تکتونکی گسل های منطقه باعث شده که حوضه آبخیز بار از قابلیت بالایی در رخداد زمین لغزش برخوردار شود.

تهیه ی نقشه ی حساسیت به وقوع زمین لغزش با استفاده از مدل شبکه عصبی پرسپترون چند لایه از نوع پیش خور پس انتشار (BP) Keywords:

زمین لغزش , حساسیت , شبکه عصبی پرسپترون چند لایه , حوضه آبخیز بار نیشابور