توسعه مدلی مکانمند مبتنی بر سیستم‌ استنتاج عصبی-فازی تطبیقی به‌منظور شناسایی مناطق مستعد خطر زمین‌لغزش مطالعه موردی: استان البرز

زمین‌لغزش یکی از پدیده‌های طبیعی است که سالانه سبب ایجاد خسارات مالی و جانی فراوانی در سطح کشور می‌شود. از این‌رو تشخیص مناطق مستعد لغزش، برای به‌کارگیری روش‌های پیشگیری یا مقابله با ناپایداری دامنه‌ها به‌منظور کاهش خطر و ریسک حاصل از آن‌ها، بسیار اهمیت دارد. در این پژوهش روشی جهت پهنه‌بندی خطر زمین‌لغزش، مبتنی بر تحلیل‌های مکانی و مدل‌سازی عدم قطعیت ارائه می‌گردد که بر پایه داده‌کاوی رخدادهای پیشین است. بدین منظور در موتور استنتاج روش پیشنهادی از الگوریتم عصبیفازی تطبیقی با ساختاری منطبق بر تحلیل حساسیت خطر لغزش استفاده‌شده است. منطقه مورد مطالعه این پژوهش استان البرز می‌باشد. در روش پیشنهادی، فاکتورهایی چون ارتفاع، سنگ‌شناسی، شیب، جهت شیب، فاصله از گسل و بارندگی که از مهم‌ترین علل ناپایداری دامنه هستند به‌عنوان عوامل ایجاد لغزش در نظر گرفته شده و نقشه رستری هر یک از فاکتورها در محیط gis تولیدشده و در بانک داده مکان مرجع ذخیره‌سازی شده است. سپس مناطق حساس به زمین‌لغزش با استفاده از یافته‌های مدل پیشنهادی تهیه گردیده و درنهایت مدل به کمک داده‌های ارزیابی مورد اعتبار سنجی قرار گرفته است. نتایج مدل پیشنهادی با متوسط ریشه مربع خطا 819/0 و ضریب همبستگی 934/0 دقت نسبتاً مناسبی را به‌منظور پهنه‌بندی خطر زمین‌لغزش ارائه می‌دهد. همچنین در نقشه توزیع مکانی خطر لغزش در منطقه موردمطالعه، مساحت مناطق با خطرپذیری بالا بیشترین مساحت را نسبت به مساحت کل استان به خود اختصاص می‌دهد که نشان‌دهنده خطرپذیری بالای استان البرز در بروز لغزش‌ها می‌باشد.

Developing a Model Based on Geospatial Information Systems (GIS) and Adaptive Neuro-Fuzzy Inference Systems (ANFIS) for Providing the Spatial Distribution Map of Landslide Risk. Case Study: Alborz Province

Landslide is one of these natural hazards which causes a great amount of financial and human damage annually allover the world. Accordingly, identification of areas with landslide threat for implementation of preventive measures in order to confront against the instability of hillsides for reduction of potential threats and related risks is very important. In this research a new method for classification of landslide risk according to geographical analysis and uncertainty modeling is presented which is based on data mining in previous events. In order to do so, adaptive neurofuzzy algorithm which is adjusted by means of sensitivity analysis is used in inferential basis of proposed model, which analyze landside risk efficiently. The selected region for this study is available lands in Alborz province. In proposed method factors like altitude, petrology, gradient, gradient direction, distance to fault and rainfall which are some of the most serious causes of hillsidechr('39')s instability had been inserted and their raster maps produced in GIS context and stored in georeference database. In the next step, areas prone to landslide had been identified according to findings of proposed model and finally in addition to model evaluation according to validation outputs, another round of validation is done by field monitoring of hihrisk regions and interpretation of provided 3D models. Results show that the proposed model with root mean square error of 0.819 and correlation factor of 0.934 has a relatively high accuracy in classification of landslide risk. In addition in landslide risk geographical distribution map inside studied region, the area of landslideprone area is the highest with respect to total area of province which shows highrisk of Alborz province against landslides.