ارزیابی عملکرد الگوریتم‌های آماری لجستیکی و ناپارامتریکی به‌منظور مدیریت مناطق حساس به حرکات توده‌ای در حوضه آبریز گویجه بل

Abstract

شناسایی مناطق مستعد حرکات توده‌ای ازجمله زمین‌لغزش از طریق مدل‌سازی خطر با مدل‌های مناسب و کارا، یکی از اقدامات اساسی در کاهش خسارت احتمالی و مدیریت خطر است. زمین‌لغزش به‌عنوان یکی از انواع حرکات توده‌ای، فرایند پیچیده‌ای است که تحت تأثیر پارامترهای داخلی و خارجی روی می‌دهد که شناخت این پارامترها و میزان تأثیرشان در وقوع مخاطرات و استفاده از ابزاری مناسب برای کمی سازی، برنامه‌ریزان و مدیران را در برنامه‌ریزی‌های توسعه و مدیریت بهینه منطقه به‌ویژه مناطق کوهستانی در مقیاس‌های منطقه‌ای و محلی یاری می‌کند. هدف از مطالعه حاضر بررسی وقوع بالقوه زمین‌لغزش در حوضه گویجه‌بل با استفاده از مدل‌های رگرسیون لجستیک و شبکه عصبی مصنوعی با الگوریتم پرسپترون چند لایه به‌منظور شناخت مناطق حساس به وقوع پدیده مذکور می‌باشد. برای مدلسازی از 9 پارامتر مستقل اعم از لایه بارش، لیتولوژی، پوشش و کاربری اراضی، ارتفاع، شیب، جهت شیب، فاصله از شبکه زهکشی، فاصله از گسل و فاصله از جاده استفاده گردید. بعد از استانداردسازی فازی هر یک از پارامترها، نه فاکتور به‌عنوان متغیر مستقل و زمین‌لغزش‌های رخ داده نیز به‌صورت یک لایه باینری و به‌عنوان متغیر وابسته برای مدل رگرسیون لجستیک؛ همچنین فاکتورهای استاندارد شده به‌عنوان نرون های ورودی و زمین‌لغزش‌های رخ داده به‌عنوان آموزش دهنده مدل شبکه عصبی مصنوعی با الگوریتم پرسپترون چند لایه معرفی گردید. نتیجه اعتبارسنجی ROC نشان می‌دهد مساحت زیر منحنی در مدل شبکه عصبی مصنوعی بیشتر از مدل رگرسیون لجستیک بوده است و دقت برابر با 91/0 را نسبت به رگرسیون لجستیک با دقت 89/0 نشان می‌دهد. همچنین 9 درصد از مساحت منطقه مورد مطالعه در پهنه‌های خطر زیاد و بسیار زیاد و 5/9 درصد جزو پهنه‌های خطر متوسط می‌باشد. پهنه‌های خطر متوسط می‌توانند با سومدیریت و ساخت و سازهای عوارض انسانی ازجمله جاده تحت تأثیر قرار گرفته و به پهنه‌های خطر زیاد و بسیار زیاد تبدیل گردند.

Keywords

• مدل رگرسیون لجستیک
• چند لایه پرسپترون
• زمین‌لغزش
• استانداردسازی فازی
• حوضه گویجه بل