شناسایی نواحی دارای پتانسیل بالای آتش‌سوزیبا استفاده از شبکه عصبی و تصمیم‌گیری چندمعیاره

آتش‌سوزی جنگل پدیده‌ای است که خسارت‌های مالی و برخی مواقع جان بسیار زیادی به بار می‌آورد. شناسایی و بررسی اثر پارامترهای موثر در وقوع آتش‌سوزی و مدل‌سازی آن‌ها در پیشگیری آتش‌سوزی و کاهش خسارت‌های ناشی از آن بسیار مفید است. در این تحقیق، با استفاده از روش‌های شبکه عصبی و تصمیم‌گیری چندمعیاره، مناطق دارای پتانسیل بالای آتش‌سوزی در استان گلستان شناسایی شده است. در روش پیشنهادی برای تهیه نقشه خطر آتش‌سوزی، ابتدا با استفاده از تصمیم‌گیری چندمعیاره نقشه خطر استاتیک و سپس از طریق شبکه عصبی مصنوعی، نقشه خطر دینامیک تهیه می‌شود. سرانجام از ترکیب این دو، نقشه خطر آتش‌سوزی به‌دست می‌آید که مقادیر هر پیکسل در آن بیانگر میزان احتمال وقوع آتش‌سوزی برای آن پیکسل است. برای ارزیابی مدل از داده‌های آتش‌سوزی ماه ژوین سال 2005 استفاده شده است. مدل پیشنهادی درصدی از مساحت منطقه را به‌عنوان منطقه پرخطر شناسایی می‌کند. با توجه به این‌که درصد آتش‌سوزی اتفاق‌افتاده در آن منطقه نیز معلوم است، معیار دقت از تقسیم درصد آتش‌سوزی‌های رخ‌داده در منطقه پرخطر به درصد مساحت آن منطقه تعریف می‌شود. این معیار دقت برای نقشه استاتیک با وزن‌های یکسان پارامترها برابر 86/1 و در حالت استخراج وزن‌ها به روش ahp برابر 21/2 به‌دست آمد، که بیانگر بهبود دقت مدل از طریق روش ahp است. طبق نتایج مدل نهایی، حدود 49/70 درصد آتش‌سوزی‌ها در مناطقی که به‌عنوان مناطق پرخطر شناسایی شده، اتفاق افتاده است. در حالی‌که در مناطق بی‌خطر و کم‌خطر هیچ آتش‌سوزی اتفاق نیفتاده و در منطقه با خطر متوسط 51/29 درصد از آتش‌سوزی‌ها اتفاق افتاده است. همچنین معیار دقت برای مدل نهایی برابر 77/2 به‌دست آمده است.