پهنه‌بندی زمین‌لغزش‌های محدوده کوهستانی استان گلستان با استفاده از روش الگوریتم ترکیبی کمترین مربعات ماشین‌بردار پشتیبان و کلونی زنبور عسل مصنوعی

پهنه‌بندی اراضی بر مبنای میزان خطر وقوع زمین‌لغزش با استفاده از الگوریتم‌های مناسب، یکی از راهکارهای مدیریت زمین‌لغزش است. تاکنون کارایی روش‌ها و الگوریتم‌های زیادی برای پهنه‌بندی خطر وقوع زمین‌لغزش مورد بررسی قرار گرفته است تا بهترین و کاراترین روش و الگوریتم مورد استفاده قرار گیرد. در این پژوهش کارایی الگوریتم ترکیبی نوین کمترین مربعات ماشین بردار پشتیبان و کلونی زنبورعسل مصنوعی در پهنه‌بندی خطر زمین‌لغزش های محدوده کوهستانی استان گلستان مورد ارزیابی قرار گرفت. روش تحقیق بر پایه روش کمّیتحلیلی و در محیط نرم‌افزارهای arc gis 10.5، saga gis و matlab انجام شد و تعداد 12 پارامتر شامل زاویه شیب، جهت شیب، مدل رقومی ارتفاع، انحنای سطح زمین (انحنای شیب)، فاصله از گسل، کاربری اراضی، بافت خاک، عمق دره، شاخص توان آبراهه، شاخص سختی زمین، شاخص میزان رطوبت و لیتولوژی به‌منظور اجرای مدل انتخاب شدند. نتایج نشانگر آن است که معیار صحت کلی برای داده‌های تعلیمی و اعتباری به ترتیب 86.26 و 82.3 درصد می‌باشد که بیانگر این مطلب است که مدل ذکرشده از نظر صحت و اعتبار مدل‌سازی مورد تائید است و درنهایت، منطقۀ مطالعاتی به پنج طبقه با حساسیت بسیار زیاد، زیاد، متوسط، خیلی کم و کم، طبقه‌بندی گردید که ارزیابی تمامی نتایج، نشان‌دهنده عملکرد بالا و ظرفیت پیش‌بینی خوب الگوریتم کمترین مربعات ماشین بردار پشتیبان کلونی زنبورعسل مصنوعی در شناسایی پهنه‌های با پتانسیل بالای لغزشی است که می‌تواند برای مدیریت بهتر در استان گلستان مورد استفاده قرار گیرد. در نقشۀ نهایی پهنه بندی لغزش در استان، به‌ترتیب 69 /0، 28.11، 62.93 و 8.27 درصد از مساحت نواحی کوهستانی استان در در پهنه‌های لغزشی با حساسیت کم ، متوسط، زیاد و خیلی زیاد قرار دارد.

Landslides zoning of Golestan province using combination algorithm least squares support vector machines and artificial bee colony

Landslide zoning based on the risk of landslide hazard using one of the proper algorithms is one of the land management methods. So far, the effectiveness of many algorithms and algorithms for landslide hazard zonation has been investigated in order to use the best and most efficient method and algorithm. In this research, the efficiency of the newest least squares algorithm for support and colony of artificial bison was evaluated in Golestan landslide zonation. The research method was based on quantitative and analytical method and in the environment of two software GIS and MATLAB and 13 parameters including slope, tilt direction, digital elevation model, distance from fault, land use, geology, landscape, gender and type of soil, Valley Depth, Water Power Index, Earth Hardness Index, Moisture Index, Land Curvature, were selected for implementation of the model. The results indicate that the overall accuracy criterion for educational and evaluation data is 84.4% and 81.4%, respectively, which indicates that the mentioned model is validated in terms of validity and validity of modeling. Finally, the study area was categorized into five classes of very high, high, moderate, very low and low sensitivity. All of the results of the evaluation showed high performance and good predictive capacity of the least squares model of artificial support binoculars in identifying areas with high slip potential. Which can be used for better management in Golestan province. landslidSlide classification is 70.57% in very low class, 0.46% in low class, 15.44% in middle class, 3.61% in high class and 9.41% in very high class.