مقایسۀ مدل شبکۀ عصبی مصنوعی با فرایند تحلیل سلسله‌مراتبی در ارزیابی خطر زمین‌لغزش

زمین‌لغزش یکی از مخاطرات طبیعی در مناطق کوهستانی به‌شمار می‌رود که هرساله به خسارات زیادی منجر می‌شود. حوضۀ دوآب الشتر با داشتن چهره‌ای کوهستانی و مرتفع و شرایط طبیعی مختلف دارای استعداد بالقوۀ زمین‌لغزش است. هدف این تحقیق مقایسۀ مدل شبکۀ عصبی مصنوعی با فرایند تحلیل سلسله‌مراتبی، به‌منظور ارزیابی خطر زمین‌لغزش در حوضۀ دوآب الشتر است. بدین منظور ابتدا پارامترهای موثر در وقوع زمین‌لغزش استخراج و سپس لایه‌های مربوط تهیه ‌شد. سپس نقشۀ پراکنش زمین‌لغزش‌های رخ‌‌دادۀ حوضه تهیه شد. در ادامه با مقایسه و بررسی نقشۀ عوامل موثر بر لغزش با نقشۀ پراکنش زمین‌لغزش‌ها، تاثیر هر یک از عوامل شیب، جهت شیب، ارتفاع، سنگ‌شناسی، بارش، کاربری اراضی، فاصله از گسل و آبراهه در محیط نرم‌افزار arcgis سنجیده شد. در این پژوهش به‌منظور پهنه‌بندی خطر زمین‌لغزش در حوضۀ دوآب الشتر، از مدل‌های شبکۀ عصبی مصنوعی و تحلیل سلسله‌مراتبی استفاده شد. در مدل‌ شبکۀ عصبی مصنوعی الگوریتم پس‌انتشار خطا و تابع فعال‌سازی سیگموئید به‌کار گرفته شد. ساختار نهایی شبکه دارای 8 نورون در لایۀ ورودی، 11 نورون در لایۀ پنهان و 1 نورون در لایۀ خروجی شد. پس از بهینه شدن ساختمان شبکه، کل اطلاعات منطقه در اختیار شبکه قرار گرفت و در نهایت با توجه به وزن خروجی، نقشۀ پهنه‌بندی زمین‌لغزش تهیه شد. در روش فرایند تحلیل سلسله‌مراتبی، پس از مقایسۀ زوجی و استخراج وزن پارامترها، با تلفیق آنها پتانسیل زمین‌لغزشی حوضه به‌دست آمد. برای ارزیابی و طبقه‌بندی نتایج خروجی مدل‌های مورد استفاده در برآورد خطر لغزش منطقه از ضریب آماری کاپا استفاده شد. نتایج به‌دست‌آمده نشان می‌دهد که مدل شبکۀ عصبی مصنوعی با ضریب کاپای 0.90روش کارامدتری نسبت به مدل تحلیل سلسله‌مراتبی در تهیۀ نقشۀ خطر لغزش‌های حوضۀ دوآب الشتر است.