نرگس سلیمی - دانشگاه خوارزمی، دانشکده علوم زمین
سید محمود فاطمی عقدا - دانشگاه خوارزمی، دانشکده علوم زمین
محمد تشنه لب - دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده مهندسی برق
یوسف شرفی - دانشگاه آزاد اسلامی تهران، واحد علوم و تحقیقات، گروه کامپیوتر

زمین لغزش ها هر سال خسارت های مالی و جانی زیادی به بار می آورند. نقشه های پهنه بندی خطر زمین لغزش می توانند به کاهش این خسارت ها کمک کنند. حوزه آبخیز طالقان از جملهحوزه های مستعد زمین لغزش است که بررسی شده است. در این مقاله به پهنه بندی خطر زمین لغزش در این منطقه و در مقیاس 1/50000، و با در نظر داشتن لایه های اطلاعاتی پراکندگی لغزش ها، شیب، برای شیب، زمین شناسی (لیتولوژی)، فاصله از گسل ها، فاصله از آبراهه ها، با روش شبکه های عصبی مصنوعی مبتنی بر توابع پایه ای گوسی (RBF) و شبکه های عصبی پرسپترون (MLP) می پردازیم. کلیات روش RBF تا حدود زیادی مشابه شبکه های عصبی پرسپترون (MLP) است که تا کنون قابلیت آن مشخص شده است و چندین تفاوت ساختاری در مولفه ها بین این دوروش شبکه عصبی وجود دارد. از نتایج نهایی مشخص شد که نقشه های حاصل از هر دو روش قابل قبول هستند و روش MLP دقت بیش تری نسبت به روش RBF دارد.

پهنه بندی خطر زمین لغزش، طالقان، سیستم های هوشمند، شبکه های عصبی مصنوعی مبتنی بر توابع پایه ای گوسی، شبکه های عصبی مصنوعی پرسپترون، MLP ،RBF