|
پژوهش های ژئومورفولوژی کمی، جلد ۶، شماره ۳، صفحات ۱۵-۳۶
|
|
|
عنوان فارسی |
ارزیابی حساسیت زمینلغزش با استفاده از الگوریتم ماشین پشتیبانبردار (مطالعه موردی: شهرستان کامیاران، استان کردستان) |
|
چکیده فارسی مقاله |
یکی از انواع فرآیندهای دامنهای که هر ساله موجب خسارات جانی و مالی فراوان در بسیاری از نقاط ایران و جهان میشود، پدیده زمینلغزش است. شناسایی مناطق مستعد وقوع زمینلغزش از طریق پهنهبندی خطر، یکی از اقدامات مؤثر و ضروری در کاهش خطرات احتمالی و مدیریت آن میباشد. هدف اصلی این پژوهش، ارزیابی حساسیت زمینلغزش در شهرستان کامیاران با استفاده از مدل ماشینپشتیبانبردار میباشد. در ابتدا، نقشه پراکنش زمینلغزش با 60 نقطه لغزشی در منطقه مورد مطالعه با استفاده از منابع مختلف ترسیم گردید. پس از آن مکانهای لغزشی، به صورت تصادفی به یک نسبت 70 به 30 برای ساخت مدل زمینلغزش و اعتبارسنجی آن تقسیم شدند. آموزش و صحتسنجی تابع RBF از الگوریتم SVM توسط یک پایگاه داده مکانی با مجموع دوازده عامل زمینلغزش از جمله شیب، جهت شیب، ارتفاع، انحنای شیب، انحنای عرضی شیب، انحنای طولی شیب، شدت تابش خورشید، لیتولوژی، کاربری اراضی، فاصله از گسل، فاصله از جاده و فاصله از رودخانه با توجه به مدل مرجع مورد بررسی قرار گرفتند. در نهایت منطقه مورد مطالعه به پنج کلاس حساسیت بسیار بالا، بالا، متوسط، کم و بسیار کم تقسیم شد. سپس عمکرد این الگوریتم با استفاده از منحنی ROC مورد بررسی قرار گرفت. نتایج نشان میدهد که سطح زیر منحنی (AUC) با استفاده از مجموعه دادههای آموزشی (970/0) و با استفاده از دادههای صحتسنجی (882/0) میباشد. لذا تجزیه و تحلیل نتایج نشاندهنده آن بود که تابع RBF مدل SVM عملکرد خوبی جهت ارزیابی حساسیت زمینلغزش در منطقه مورد مطالعه دارد و نتایج به دستآمده از این پژوهش میتواند برای برنامهریزی کاربری اراضی، کاهش خطرات زمینلغزش و تصمیمگیری در مناطق مستعد لغزش مفید واقع گردد. |
|
کلیدواژههای فارسی مقاله |
|
|
عنوان انگلیسی |
Landslide Susceptibility assessment using Support vector machine algorithm (Case Study: Kamyaran County, Kurdistan province) |
|
چکیده انگلیسی مقاله |
One of the slopping processes which created much damage in many locations of Iran and the world is Landslide phenomenon. Identification of susceptible areas to landslide occurrence is one of the basic measures for reduction of the possible risk and management. The main goal of this research is to evaluate Landslide Susceptibility assessment using Support vector machine algorithm. At first, a landslide inventory map with 60 landslide locations for the study area was drawn from various sources. Landslide locations were then spatially randomly split in a ratio of 70/30 for building landslide model and for the model validation.Training and testing of RBF Function the SVM algorithm was evaluated over an assembly of spatial attributes, which included slope angle, elevation, aspect, solar radiation, profile curvature, plan curvature, lithology, land use, distance to fault, distance to road and distance to river with respect of the referent model. Finally the study area was classified into five sensitivity classes' very high, high, moderate, low and very low. Then Performance of the method has been evaluated using the ROC curve. The results show that area under the ROC curve (AUC) using training dataset is (0/950) and using validation dataset is (0/931). Therefore, analysis and comparison of the results show that RBF Function SVM model performed well for landslide susceptibility assessment in the study area and the results from this the results from this study can be useful for land use planning, mitigate landslide hazards and decision making in landslide prone areas. |
|
کلیدواژههای انگلیسی مقاله |
|
|
نویسندگان مقاله |
بهاره قاسمیان | دانشگاه محقق اردبیلی
موسی عابدینی | دانشگاه محقق اردبیلی
شهرام روستائی | دانشگاه تبریز
عطا الله شیرزادی | دانشگاه کردستان
|
|
نشانی اینترنتی |
http://www.geomorphologyjournal.ir/article_78092_8103a401f4cf2f7a418c1e0ee71f530d.pdf |
فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1440/article-1440-1769546.pdf |
کد مقاله (doi) |
|
زبان مقاله منتشر شده |
fa |
موضوعات مقاله منتشر شده |
|
نوع مقاله منتشر شده |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|