معرفی یک مدل جدید ترکیبی الگوریتم مبنا به منظور پیش بینی حساسیت زمین لغزش های سطحی اطراف شهر بیجار
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 539
This Paper With 22 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_GDIJ-15-46_014
تاریخ نمایه سازی: 11 تیر 1398
Abstract:
افزایش صحت و اعتماد و در نتیجه کاهش عدم قطعیت نقشههای پیشبینی مکانی مخاطرات زمینی از جمله زمین لغزشها یکی از چالشهای پیش رو در این گونه مطالعات میباشد. هدف این پژوهش ارائه یک مدل ترکیبی جدید داده کاوی الگوریتم- مبنا به نام Random Subspace-Random Forest (RS-RF)،برای افزایش میزان صحت پیشبینی مناطق حساس به وقوع زمین لغزشهای سطحی اطراف شهر بیجار میباشد. در ابتدا، نوزده عامل موثر بر وقوع زمین لغزشهای سطحی منطقه ی مورد مطالعه شامل درجه شیب، جهت شیب، ارتفاع از سطح دریا، انحنای معمولی شیب(Curvature)، تقعر و تحدب شیب(Profile curvature)، همگرایی و واگرایی شیب (Plan curcvature)، شدت تابش خورشید (Solar radiation)، شاخص قدرت جریان، شاخص نمناکی توپوگرافی، شاخص طول و زاویه شیب، کاربری ارضی، شاخص پوشش گیاهی، لیتولوژی، فاصله از گسل، تراکم گسل، بارندگی، فاصله از آبراهه، تراکم آبراهه و فاصله از شبکه جاده شناسایی شدند. سپس، بر اساس شاخص Information Gain Ratioدوازده عامل موثر از بین آنها انتخاب و جهت مدلسازی به کار گرفته شدند. اهمیت نسبی هر کدام از عوامل در مدل Random Forest و مدل ترکیبیRS-RFبررسی شدند.معیارهای Kappa، Precision، Recall، F-Measure، AUROCبرای ارزیابی مدلها هم برای دادههای تعلیمی و هم برای دادههای صحتسنجی استفاده شدند. نقشههای پیشبینی مکانی وقوع زمین لغزشهای سطحی با این دو مدل نیز به دست آمدند. نتایج نشان داد که در مدل RF جهت شیب و در مدل ترکیبی RS-RFدرجه شیب مهمترین فاکتورهای موثر بر وقوع زمین لغزشهای منطقه ی مورد مطالعه شناخته شدند. نتایج ارزیابی مدل توسط معیارهای معرفی شده بیانگر تایید این مدلها برای دادههای تعلیمی و داده های صحتسنجی بودند. نتایج ارزیابی صحت نقشه پهنهبندی به دست آمده نشان داد که درصد مساحت زیر منحنیROC(AUROC) برای دادههای تعلیمی در مدل RF و مدل ترکیبی RS-RFارائه شده به ترتیب 729/0 و 784/0 وبرای دادههای صحتسنجی به ترتیب 717/0 و 771/0 به دست آمدند. بطور کلی، نتایج نشان داد که تکنیک Random Subspaceمنجر به افزایش صحت پیشبینی مکانی حساسیت زمین لغزشهای سطحی منطقه ی مورد مطالعه شده است. دستیابی به یک نقشه ی پیشبینی مکانی زمین لغزشهای سطحی با صحت بالاتر، کمک شایانی در توسعه ی معقولتر تاسیسات، اراضی شهری و روستایی، طرحهای آمایش سرزمین، طرحهای آبخیزداری و همچنین جلوگیری از هدر رفت خاک و فرسایش تودهای و انتقال رسوبات به پایین دست خواهد شد.
Keywords:
Authors
عطااله شیرزادی
دانشجوی دکتری آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی ساری، ساری، ایران
کریم سلیمانی
استاد آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
محمود حبیب نژاد روشن بها
استاد آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
عطااله کاویان
دانشیار آبخیزداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، 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 :