مقایسه مدل شبکه عصبی مصنوعی با مدل منطق فازی در ارزیابی خطر زمین‌لغزش(مطالعه موردی حوضه آبریز سیمره چنار)

زمین‌لغزش به عنوان یکی از مخاطرات طبیعی در مناطق کوهستانی هر ساله منجر به خسارات زیادی می‌شود. حوضه آبریز سیمره چنار، با داشتن ویژگی های کوهستانی و شرایط طبیعی مختلف دارای استعداد بالقوه زمین‌لغزش است. هدف از این پژوهش، مقایسه مدل شبکه عصبی مصنوعی با مدل منطق فازی، جهت ارزیابی خطر زمین لغزش در حوضه سیمره چنار است. بدین جهت ابتدا پارامترهای موثر در وقوع زمین‌لغزش استخراج و سپس لایه‌های مربوطه تهیه‌ شده است. سپس نقشه پراکنش زمین‌لغزش‌های رخ‌داده شده حوضه تهیه و با تلفیق نقشه عوامل موثر بر لغزش با نقشه پراکنش زمین‌لغزش‌ها، تاثیر هر یک از عوامل شیب، جهت شیب، سنگ‌شناسی، بارش، فاصله از گسل، کاربری اراضی، خاک، فاصله از آبراهه در محیط نرم‌افزار arcgis محاسبه گردید. در این مطالعه به منظور مقایسه مدل‌ها، در پهنه‌بندی خطر زمین‌لغزش حوضه سیمره چنار، از مدل‌های شبکه عصبی مصنوعی و منطق فازی استفاده گردید. در مدل‌ شبکه عصبی مصنوعی الگوریتم پس انتشار خطا و تابع فعال‌سازی سیگموئید بکار گرفته شد. ساختار نهایی شبکه دارای 8 نرون در لایه ورودی، 14 نرون در لایه پنهان و 1 نرون در لایه خروجی گردید. پس از بهینه شدن ساختمان شبکه، کل اطلاعات منطقه در اختیار شبکه قرار گرفت و در نهایت با توجه به وزن خروجی، نقشه پهنه‌بندی زمین‌لغزش تهیه شد. در مدل منطق فازی از اپراتورهای عملگراجتماع فازی، عملگراشتراک فازی، عملگرضرب جبری فازی، عملگرجمع جبری فازی، عملگرگاما فازی مدل منطق فازی استفاده شد. برای ارزیابی نتایج خروجی مدل‌های مورد استفاده در برآورد خطر لغزش منطقه از ضریب آماری کاپا استفاده شد. نتایج بدست آمده نشان می‌دهد که مدل شبکه عصبی مصنوعی با ضریب کاپای 0.91 مدل کارآمدتری نسبت به مدل منطق فازی در تهیه نقشه خطر لغزش‌های حوضه سیمره چنار است. از میان عوامل تاثیرگذار بر زمین لغزش در منطقه مورد مطالعه عامل شیب به عنوان مهمترین عامل و عوامل سنگ‌شناسی و خاک در مراتب بعدی قرار گرفتند. بر اساس پهنه‌بندی صورت گرفته با استفاده از مدل شبکه عصبی مصنوعی، به ترتیب 10.12، 22.92، 31.04، 20.76، 15.16 درصد از مساحت منطقه در کلاس‌های خطر خیلی‌کم، کم، متوسط، زیاد و خیلی‌زیاد قرار گرفته است.