فهرست نشریات علمی دسترسی آزاد ایران

زمین‏لغزش از جمله خطرهای زمین‏شناسی است که امروزه روش‏های داده‏کاوی مبتنی بر یادگیری ماشین برای مدل‏سازی و پیش‏بینی آن توسعه داده شده‌است. هدف‌های این پژوهش اولویت‌بندی عامل‌های مؤثر، پهنه‏بندی و پیش‏بینی حساسیت به رخ‌داد زمین‏لغزش با مدل‏های شبکه‌ی عصبی مصنوعی و جنگل تصادفی، و معرفی مناسب‏ترین آن‏ها در منطقه‌ی دوآب صمصامی استان چهارمحال و بختیاری است. برای پهنه‏بندی و مدل‏سازی از 15 عامل‌ زمین‏شناسی، ریخت‌شناسی، آب‌شناسی، انسان‏ساخت (متغیرهای مستقل) و 174 رخ‌داد زمین‏لغزش شناسایی و ثبت‌شده (متغیر وابسته) بهره‌گیری شد. رخ‌دادهای زمین‏لغزش به دو دسته‌ی داده‌ی آموزشی (70%) و آزمایشی (30 %) برای مدل‏سازی و اعتبارسنجی به‌شکل تصادفی تقسیم شد. ارتباط میان عامل‌های مؤثر و رخ‌دادهای لغزشی با نسبت فراوانی کمّی و وزن‏دار شد. برای کاهش اثر هم‏پوشانی اطلاعاتی عامل‌های مؤثر، با تحلیل وایازی چندمتغیره‌ی خطی، استقلال داده‏ها آزموده شد. برای مدل‏سازی و پهنه‏بندی حساسیت زمین ‏لغزش، مدل‏های جنگل تصادفی و شبکه‌ی عصبی مصنوعی برازش و توسعه داده شد. نقشه‏های پهنه ‏بندی حساسیت به‌دست‌آمده از برازش دو مدل با شاخص‏های نسبت فراوانی-سطح سلول هسته، نرخ توفیق، و سطح زیر منحنی ویژگی عمل‌کرد گیرنده (AUC-ROC) ارزیابی، اعتبارسنجی و مقایسه کرده شد. نتیجه‌های بررسی عامل‌های مؤثر در هر دو مدل نشان داد که عامل‌های سنگ‏ شناسی، کاربری و وجه شیب تأثیر بسزایی در رخ‌داد زمین‏ لغزش‏ها دارند و بخش زیادی (بیش از 82%) از زمین‏لغزش‏ها در رده‌ها‌ی حساسیت خیلی‏زیاد و زیاد قرار می‌گیرند. نتیجه ارزیابی طبقه‌‏بندی و اعتبارسنجی مدل‏ها نشان داد که دقت و کارآمدی مدل جنگل تصادفی (0/919AUC-ROC=) در پیش‏بینی رخ‌داد زمین‏ لغزش‏ها بیش‌تر از شبکه‌ی عصبی مصنوعی (0/845AUC-ROC=) است. نتیجه‌های این پژوهش ممکن است برای بهره‌گیری دستگاه‌های اجرایی در مدیریت و برنامه‌ریزی کردن طرح‌های توسعه‌یی و اجرایی عمرانی، توسعه‌ی شهری، و روستایی، برآورد دقیق‌تر در مدل‌های فرسایش و رسوب در آبخیزها، حفاظت خاک و عرصه‌های منابع طبیعی کشور سودمند باشد.