تهیه نقشه قابلیت جاده‏سازی با استفاده از شبکه عصبی مصنوعی و gis (بررسی موردی: منطقه ارسباران)‌

هدف از این پژوهش ارائه روشی هوشمند مبتنی بر شبکه‏های عصبی مصنوعی برای مدل‌سازی قابلیت منطقه حفاظت‏شده ارسباران برای عبور جاده برای طراحی و اصلاح و توسعه مناسب شبکه جاده و راه‏های ارتباطی موجود در منطقه است. ابتدا با استفاده از فرایند تحلیل سلسله مراتبی (ahp) و روش ترکیب وزن‏دهی خطی (wlc) و به‌کارگیری لایه‌های اطلاعاتی موثر بر مسیریابی، نقشه شایستگی جاده‏سازی برای تهیه نمونه‌های آموزشی در محیط arcgis تهیه شد. در ادامه از شبکه پرسپترون چندلایه (mlp) برای برآورد مقدار مطلوبیت عبور جاده استفاده شد. برای ارزیابی عملکرد مدل شبکه عصبی نتایج به‌دست‌آمده با نتایج حاصل از رگرسیون خطی چندمتغیره مقایسه شدند. طبق نتایج به‌دست‌آمده، شبکه عصبی مصنوعی و روش آماری رگرسیون به‏ترتیب با ضریب تبیین (r2)، 0.908 و 0.901 و مجذور میانگین مربعات خطا (rmse)، 0.0385 و 0.04 قابلیت لازم برای تعیین ارزش مطلوبیت عبور جاده نشان دادند و شبکه عصبی نتایج به‏نسبت بهتری در مقایسه با رگرسیون نشان داد. همچنین با توجه به نتایج آنالیز حساسیت متغیرهای ورودی، چهار معیار شیب، سنگ‌بستر، حساسیت به فرسایش و بافت خاک به‏ترتیب بیشترین تاثیر را در برآورد مدل نشان دادند.