سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

پیش بینی کلاس حساسیت رمبندگی خاک های لسی با بکارگیری روش رگرسیون لجستیک رتبه ای، شمال شرق ایران

Publish Year: 1402
Type: Journal paper
Language: Persian
View: 164

This Paper With 13 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_JIRAEG-16-2_005

Index date: 25 December 2023

پیش بینی کلاس حساسیت رمبندگی خاک های لسی با بکارگیری روش رگرسیون لجستیک رتبه ای، شمال شرق ایران abstract

در این مطالعه از روش رگرسیون لجستیک رتبه ای (OLR) برای پیش بینی رده حساسیت رمبندگی خاکهای لسی استفاده شده است. حساسیت رمبندگی(Is) خاک های لسی، یک پارامتر مهم در پیش بینی نحوه توزیع و تمرکز فروچاله های شبه کارستی در استان گلستان در شمال شرق ایران است. با انجام آزمون های تحکیم منفرد، تحت فشارهای مختلف، پارامترهای ضریب رمبندگی، زمان لازم برای ۹۰٪ نشست ناشی از رمبندگی خاک ها(T۹۰%) و وضعیت حساسیت رمبندگی خاکها به صورت تجربی، در۶۲ نقطه از دشت گرگان تعیین گردید. با استفاده از برخی ویژگیهای فیزیکی شاخص خاکها (دانه بندی، تخلخل، رطوبت اولیه، بارش، آب و هوا، حد روانی، کربنات کلسیم، پوشش گیاهی و درجه اشباع) به روش غیر مستقیم و با استفاده از روش رگرسیون لجستیک رتبه ای و برنامه نویسی در نرم افزار R، میزان احتمال قرارگیری خاکها در کلاسهای با حساسیت رمبندگی چهارگانه شدید، نسبتا شدید، متوسط و کم در مدل پیشنهادی، با دقت بیش از ۷۰٪ برآورد شده است. داده های تجربی بدست آمده از وضعیت کلاس حساسیت رمبندگی خاکهای رمبنده مناطق مشهد، سرخس و سمنان که به روش مستقیم اندازه گیری شده است، صحت کارکرد مدل پیشنهاد شده در این تحقیق را نشان داده است.

پیش بینی کلاس حساسیت رمبندگی خاک های لسی با بکارگیری روش رگرسیون لجستیک رتبه ای، شمال شرق ایران Keywords:

collapse sensitivity , ordinal logistic regression model , Loess , Golestan province

پیش بینی کلاس حساسیت رمبندگی خاک های لسی با بکارگیری روش رگرسیون لجستیک رتبه ای، شمال شرق ایران authors

مجتبی حیدری

Department of Geology, Bu-Ali Sina University, Mahdieh St., Hamedan, Iran

صدیقه زال آقایی

Department of Geology, Bu-Ali Sina University

محمدرضا نیکودل

Department of Engineering Geology, Tarbiat Modares University

اصغر سیف

Department of Statistics, Bu-Ali Sina University