ارزیابی دقت روشهای رگرسیون لجستیک و شبکه عصبی مصنوعی MLP) در پهنه بندی خطر ناپایداریهای دامنهای در جادههای کوهستانی مطالعه موردی: تنگه دره دیز
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 728
This Paper With 23 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:
ATTITTDE01_579
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
تنگه دره دیز یکی از مخاطرهآمیزترین تنگههای استان آذربایجانشرقی، از لحاظ وقوع ناپایداری- های دامنهای است. با توجه به انطباق این تنگه با 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 در این تنگه است. در این راستا، در پژوهش حاضر، دو روش رگرسیون لجستیک و شبکه عصبی مصنوعی پرسپترون چند لایه MLP) جهت پهنه بندی خطر ناپایداری های دامنه ای در محدوده مورد مطالعه مورد استفاده قرار گرفت و میزان کارایی هر یک از دو روش به صورت کمی ارزیابی گردید. در این خصوص، در ابتدا دادههای مورد نیاز جمعآوری و پردازش گردیده و سپس لایههای اطلاعاتی لازم در محیط GIS تهیه گردیده و سپس نقشه پهنه بندی خطر ناپایداری در نرمافزار IDRISI و در محیط شبکه عصبی مصنوعی پرسپترون چندلایه MLP) با ساختار ۱-۱۰-۱۵ و رگرسیون لجستیک تهیه گردیده و مناطق مستعد وقوع خطر ناپایداریهای دامنهای در محدوده مورد مطالعه در پنج کلاس خطربسیاربالا، بالا، متوسط، پایین و بسیارپایین مشخص شد. بر طبق نتایج حاصل از میان دو روش فوق الذکر، روش شبکه عصبی مصنوعی پرسپترون چند لایه دارای کارایی بهتری نسبت به روش رگرسیون لجستیک در شناسایی مناطق خطرمی باشد و عواملی مانند شیب و فاصله از گسل مهمترین عوامل تاثیر گذار در وقوع ناپایداریهای دامنهای در تنگه دره دیز و در نهایت عامل ناامنی هر چه بیشتر جاده می باشند.
Keywords:
پهنهبندی خطر , ناپایداریهای دامنهای , تنگهدرهدیز , شبکه عصبی پرسپترون چند- لایه MLP) . رگرسیون لجستیک
Authors
شهرام روستایی
استاد گروه ژئومورفولوژی دانشگاه تبریز
داود مختاری
استادیار گروه ژئومورفولوژی دانشگاه تبریز
فاطمه خدائی قشلاق
کارشناس ارشد ژئومورفولوژی دانشگاه تبریز. نویسنده مسئول
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 :