>
Fa   |   Ar   |   En
   ارزیابی حساسیت زمین‌لغزش با استفاده از الگوریتم ماشین پشتیبان‌بردار (مطالعه موردی: شهرستان کامیاران، استان کردستان)  
   
نویسنده قاسمیان بهاره ,عابدینی موسی ,روستائی شهرام ,شیرزادی عطا الله
منبع پژوهش هاي ژئومورفولوژي كمي - 1396 - دوره : 6 - شماره : 3 - صفحه:1 -22
چکیده    یکی از انواع فرآیندهای دامنه ای که هر ساله موجب خسارات جانی و مالی فراوان در بسیاری از نقاط ایران و جهان می شود، پدیده زمین لغزش است. شناسایی مناطق مستعد وقوع زمین لغزش از طریق پهنه بندی خطر، یکی از اقدامات موثر و ضروری در کاهش خطرات احتمالی و مدیریت آن می باشد. هدف اصلی این پژوهش، ارزیابی حساسیت زمین لغزش در شهرستان کامیاران با استفاده از مدل ماشین پشتیبان بردار می باشد. در ابتدا، نقشه پراکنش زمین لغزش با 60 نقطه لغزشی در منطقه مورد مطالعه با استفاده از منابع مختلف ترسیم گردید. پس از آن مکان های لغزشی، به صورت تصادفی به یک نسبت 70 به 30 برای ساخت مدل زمین لغزش و اعتبارسنجی آن تقسیم شدند. آموزش و صحت سنجی تابع rbf از الگوریتم svm توسط یک پایگاه داده مکانی با مجموع دوازده عامل زمین لغزش 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 می دهد که سطح زیر منحنی (auc) با استفاده از مجموعه داده های آموزشی (0.970) و با استفاده از داده های صحت سنجی (0.882) می باشد. لذا تجزیه و تحلیل نتایج نشان دهنده آن بود که تابع rbf مدل svm عملکرد خوبی جهت ارزیابی حساسیت زمین لغزش در منطقه مورد مطالعه دارد و نتایج به دست آمده از این پژوهش می تواند برای برنامه ریزی کاربری اراضی، کاهش خطرات زمین لغزش و تصمیم گیری در مناطق مستعد لغزش مفید واقع گردد.
کلیدواژه حساسیت، زمین‌لغزش، الگوریتم ماشین‌پشتیبان بردار (svm)، منحنی (roc)، کامیاران
آدرس دانشگاه محقق اردبیلی, گروه جغرافیای طبیعی, ایران, دانشگاه محقق اردبیلی, گروه جغرافیای طبیعی, ایران, دانشگاه تبریز, گروه جغرافیای طبیعی, ایران, دانشگاه کردستان, دانشکده منابع طبیعی, گروه مرتع و آبخیزداری, ایران
 
   Landslide Susceptibility assessment using Support vector machine algorithm (Case Study: Kamyaran County, Kurdistan province)  
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved