طراحی مسیر جادۀ جنگلی براساس نتایج مدل شبکۀ عصبی مصنوعی حساسیت به زمین‌لغزش (مطالعه موردی حوضه آبخیز کجور)

هدف پژوهش حاضر مدلسازی خطر زمین‌لغزش با استفاده از شبکه‌های عصبی مصنوعی در بخشی از حوضۀ آبخیز کجور و سپس طراحی جادۀ جنگلی براساس پهنه‌بندی طبقات این خطر بود. در این تحقیق، پس از پیمایش میدانی و برداشت 95 نقطه لغزشی، شش عامل شیب، جهت، شکل دامنه، فاصله از رودخانه، فاصله از گسل و سازندهای زمین‌شناسی به‌عنوان عوامل موثر بر زمین‌لغزش در نظر گرفته شدند. لایه‌های رقومی هر یک از عوامل در محیط سامانه اطلاعات جغرافیایی تهیه شدند. پس از استخراج داده‌های زمین‌لغزش از محیط سیستم اطلاعات جغرافیایی و تقسیم داده‌ها، مدل‌های مختلف شبکۀ عصبی پرسپترون چندلایه از نوع پس‌انتشار پیش‌خور با به‌کارگیری ترکیبات گوناگون پارامترهای تنظیمی از جمله تعداد لایه‌های مخفی، تعداد نورون در هر لایه، توابع آستانه و الگوریتم‌های یادگیری مختلف ساخته شدند و کارایی شبکه‌های آموزش‌یافته ارزیابی شد. با بررسی پاسخ‌های به‌دست‌آمده از آزمایش تنظیمات مختلف، مقدار مجذور میانگین مربعات خطا و ضریب تبیین که نمایندۀ دقت مدل هستند، به‌ترتیب 0/1945 و 0/8676 برای بهترین شبکه آموزش‌یافته با 2 و 8 نورون در لایه‌های پنهان نخست و دوم و یک نورون در لایه خروجی به‌دست آمد. از میان واریانت‌های طراحی‌شده، واریانت 3 با کمترین عبور از طبقات با حساسیت خیلی زیاد به‌عنوان بهترین واریانت انتخاب و در طبیعت پیاده‌سازی شد..