ارزیابی و پهنه‌بندی خطر زمین‌لغزش با استفاده از روش‌های owa و ann (مطالعه‌ی موردی: شهرستان پاوه)

شهرستان پاوه به دلیل ویژگی‌های خاص زمین‌شناسی، ژئومورفولوژیکی و فعالیت‌‌های آنتروپیک (انسانی)، مدت زیادی است که از نظر زمین‌‌لغزش تحت تاثیر قرارگرفته است. هدف این پژوهش، پهنه‌بندی خطر زمین‌لغزش و ارتباط آن‌‌ها با عوامل موثر بر وقوع آن و مقایسه مدل ann، با روش owa، جهت ارزیابی خطر زمین‌‌لغزش در شهرستان پاوه است. بدین ‌جهت ابتدا موقعیت زمین‌لغزش‌های رخداده در منطقه با استفاده از بازدید‌های میدانی شناسایی شدند و نقشه‌های عوامل تاثیر‌گذار بر وقوع زمین‌‌لغزش (شامل: لیتولوژی، شیب، جهت شیب، طبقات ارتفاعی، بارش، کاربری اراضی، فاصله از آبراهه، فاصله از جاده، فاصله از گسل، خاک) در محیط gis، تهیه گردید. در راستای انجام مدل owa، وزن‌دهی با استفاده از روش کرتیک، ارزش‌گذاری و استاندارد‌سازی نقشه‌های معیار، به صورت توام با استفاده از روش فازی انجام گرفت. به منظور انجام مدل شبکه عصبی مصنوعی، از نرم‌‌افزار matlab، استفاده شد و هر یک از پارامتر‌های شبکه عصبی مصنوعی، با روش سعی و خطا، تعیین شده است. سپس با ساختار نهایی شبکه دارای 8 نرون در لایه ورودی، 13 نرون در لایه پنهان و 1 نرون در لایه خروجی گردید. با توجه به نتایج مطالعه عوامل شیب، کاربری اراضی، لیتولوژی و خاک، به ترتیب با ضریب وزنی؛ 0/156، 0/143، 0/139 و 0/131، بیشترین اهمیت را دریافت کردند. با توجه به خروجی مدل owa، به ترتیب 15/53 و 26/64 درصد از منطقه در دو طبقه بسیار پرخطر و پرخطر قرار دارند و طبق خروجی شبکه‌ی عصبی 19/88 و 29/82 درصد از منطقه در طبقه بسیار پرخطر و پرخطر واقع شده است. مناطق بسیار پرخطر و پرخطر، به‌طور عمده در شیب 15-30 درصد، کاربری زراعی، سازند‌های نا‌مقاوم و سست کواترنری و در خاک‌‌هایی با درصد زیاد رس و سیلت و مارن قرار دارند. در نهایت، با مقایسه‌ی دو روش، مشخص گردید که مدل owa، دارای دقت بالاتری نسبت به روش ann بوده است.

Evaluation and zonation of Landslide hazard with using OWA and ANN methods (case study: Paveh Township)

Paveh Township has long been affected by landslides due to specific geological and geomorphologic features and anthropic activities. This study aimed to map landslide risk and its relationship with factors affecting their occurrence and compare the ANN model with (OWA) method to assess landslide risk in Paveh Township. Therefore, landslides in the area were first identified using extensive field surveys. Maps of factors affecting landslide occurrence (lithology, slope, slope direction, elevation, precipitation, land use, distance from the waterway, distance from the road, distance from the fault, soil) in GIS software then extract the relevant layers Was done. To perform the OWA model, weighting was performed by the fuzzy method using the Critical and Evaluation and Standardization of benchmark maps and to perform an artificial neural network (MATLAB) software. Each neural network parameter was determined by trial and error method. Then with the final structure of the network with 8 neurons in the input layer, 13 neurons in the hidden layer, and 1 neuron in the output layer. According to the results of the study of slope factors, land use, lithology, and soil, respectively, by weight factor; 0.156, 0.143, 0.139, and 0.131, received the most importance. Which according to the model output (OWA) was 15.53 and 26.64%, respectively, in two very high and highrisk classes, respectively. Due to the output of the neural network 19.88% and 29.82% of the area is located on the highrisk floor. Very highrisk and highrisk areas are mainly located in 1530% slope, agricultural use, unbearable and weak quaternary structures, and in soils with a high percentage of clay, silt, and marl. The two models were compared and the OWA model had higher accuracy.