کاربرد شبکه عصبی مصنوعی در شناسایی مناطق مستعد لغزش به کمک نسبت فراوانی و تحلیل سلسله مراتبی در پادنای علیای سمیرم

تهیه نقشه حساسیت زمین به لغزش و ارزیابی خطر آن از مهمترین مراحل در تهیه نقشه ریسک زمین لغزش می‌باشد. در این پژوهش به تهیه نقشه حساسیت وقوع زمین لغزش در پادنای علیای سمیرم که یک منطقه حساس به زمین لغزش است، با استفاده از روش شبکه عصبی پرداخته شده است. بدین منظور، در اولین گام 23 عامل موثر در لغزش در منطقه شناسایی شده، همچنین، به کمک تفسیر عکس ‌های هوایی و پیمایش‌های میدانی موقعیت لغزش‌ ها مشخص شد. در گام بعد با کمک نظرات کارشناسی (ahp) به غربالگری پارامترها پرداخته، در نهایت 14 پارامتر برای اجرای مدل انتخاب شد. از 103 لغزش شناسایی شده در منطقه 70 درصد (72 زمین لغزش) به‌صورت تصادفی به‌منظور آموزش شبکه و 30 درصد (31 زمین لغزش) به‌منظور اعتبارسنجی مورد استفاده قرار گرفت. از شبکه عصبی پرسپترون چند لایه (multilayer perceptron) با الگوریتم یادگیری پس انتشار خطا استفاده شد و تابع سیگموئید (sigmoid function) به‌عنوان تابع فعال‌سازی انتخاب شد. به‌منظور انتخاب بهترین آرایش شبکه از شاخص های میانگین مربعات خطا (mse)، جذر میانگین مجذور خطا (rmse)، بیشینه خطای مطلق (mae) و ضریب همبستگی (r2) استفاده کرده، بهترین ساختار شبکه برای پهنه ‌بندی حساسیت به زمین لغزش 1414 انتخاب شد. قبل از ورود لایه های اطلاعاتی به شبکه با استفاده از روش نسبت فراوانی (fr) وزن هر یک از طبقات لایه های اطلاعاتی محاسبه شده، بر اساس آن لایه ها وزن‌دهی شدند. منحنی roc و مساحت زیر منحنی (auc) برای نقشه پهنه‌ بندی ترسیم و از auc برای صحت سنجی استفاده شد. نتایج اعتبارسنجی نشان داد که مساحت زیر منحنی برای مدل 0.938 (93.8 درصد) است که در گروه دقت پیش بینی عالی قرار می ‌گیرد. طبق نتایج 29.61 کیلومتر مربع (93.25 درصد) از مساحت لغزش ها در رده‌های خطر زیاد و خیلی زیاد قرار گرفته است.