پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 162 |
| تعداد شماره‌ها | 6,623 |
| تعداد مقالات | 71,546 |
| تعداد مشاهده مقاله | 126,902,670 |
| تعداد دریافت فایل اصل مقاله | 99,952,704 |
پیشبینی مکانی زمین‌لغزش‌های سطحی با استفاده از مدلهای آماری و یادگیری ماشین (مطالعۀ موردی: حوضه سرخون) | ||
| نشریه علمی - پژوهشی مرتع و آبخیزداری | ||
| مقاله 2، دوره 71، شماره 4، اسفند 1397، صفحه 869-884 اصل مقاله (1.46 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jrwm.2018.268247.1314 | ||
| نویسندگان | ||
| زهرا براتی1؛ ابراهیم امیدوار* 2؛ عطااله شیرزادی3 | ||
| 1دانشجوی کارشناسی ارشد آبخیزداری، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران. | ||
| 2استادیار گروه مرتع و آبخیزداری، دانشکدۀ منابع طبیعی و علوم زمین، دانشگاه کاشان، کاشان، ایران. | ||
| 3دکترای علوم و مهندسی آبخیزداری، دانشکدۀ منابع طبیعی، دانشگاه کردستان، کردستان، ایران. | ||
| چکیده | ||
| تهیۀ نقشۀ حساسیتپذیری زمینلغزش بهعنوان اولین گام مهم در ارزیابی خطر زمینلغزش محسوب میشود. هدف اصلی این پژوهش مقایسۀ عملکرد الگوریتم یادگیری ماشین مدل لجستیک درختی (LMT) با مدل آماری رگرسیون لجستیک (LR) بهمنظور مدلسازی حساسیتپذیری زمینلغزش در حوضۀ سرخون استان چهارمحال و بختیاری است. بدینمنظور ابتدا نقشۀ پراکنش با تعداد 98 موقعیت زمینلغزش با استفاده از دادههای عملیات میدانی و همچنین دادههای تاریخی ثبت شده، تهیه شد. علاوه بر این، برای تکمیل پایگاه دادهها، 100 موقعیت غیرزمینلغزشی نیز شناسایی شدند. نقاط زمینلغزشی و غیرزمینلغزشی به صورت تصادفی به دو دسته دادۀ مدلسازی و اعتبارسنجی تقسیم شدند. سپس بیست عامل مؤثر با توجه به مرور منابع و خصوصیات زمینمحیطی حوضه شناسایی شدند. در ادامه، مدلهای LMT و LR برای شناسایی تأثیر عوامل مؤثر روی وقوع زمینلغزش و همچنین ارزیابی حساسیتپذیری زمینلغزشها، بهوسیلۀ دادههای مرحلۀ آموزش بهکار گرفته شدند. در نهایت، عملکرد این دو مدل از طریق سطح زیر منحنی عامل گیرنده (AUC) مورد بررسی قرار گرفت. نتایج اعتبارسنجی مدلها حاکی از آن بود که مدل LR با AUC برابر با 797/0 عملکرد مناسبتری نسبت به مدل LMT (740/0 = AUC) از خود نشان داده، هر چند که هر دو مدل ابزارهای مفیدی برای پیشبینی مکانی حساسیتپذیری زمینلغزش هستند. بنابراین مدل LR میتواند بهعنوان یک ابزار جایگزین برای مدیریت بهتر مناطق تحت تأثیر زمینلغزش در منطقۀ مورد مطالعه پیشنهاد شود. | ||
| کلیدواژه‌ها | ||
| ارزیابی آماری؛ حوضۀ سرخون؛ حساسیتپذیری؛ زمینلغزش؛ سامانۀ اطلاعات جغرافیایی؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 539 تعداد دریافت فایل اصل مقاله: 630 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب