فهرست نشریات علمی دسترسی آزاد ایران

بخش بزرگی از کشور ایران را مناطق کوهستانی تشکیل می­دهد. هر ساله زمین­لغزش موجب خسارت به انواع سازه­های مهندسی، مناطق مسکونی، جنگل­ها و در پی آن ایجاد رسوب و سیلاب­های گل­آلود و در نهایت پر شدن مخازن سد­ها می‌گردد. از آن­جا که پیش­بینی زمان و مکان رخداد زمین­لغزش از توان دانش فعلی بشر خارج است، برای بیان حساسیت دامنه­ها، به پهنه­بندی خطر زمین­لغزش در مناطق مختلف می­پردازند. در این تحقیق برای پهنه­بندی خطر وقوع زمین­لغزش از شبکه عصبی مصنوعی و با استفاده از 9 عامل، شیب، جهت شیب، فاصله از رودخانه، زمین شناسی، فاصله از گسل، فاصله از جاده، کاربری اراضی، طبقات ارتفاعی و بارش استفاده شد. به این منظور از 78 نقطه لغزشی و 78 نقطه غیر لغزشی مشخص شده در منطقه، 3/2 برای مدل­سازی و 3/1 برای آموزش مدل استفاده شد. ابتدا نقشه رقومی هر یک از عوامل مذکور در محیط نرم­افزار GIS تهیه و سپس ارزش طبقات هر عامل با استفاده از روش نسبت فراوانی تعیین گردید. برای ورود به محیط نرم­افزار MATLAB ابتدا اطلاعات مربوط به هر پیکسل مشخص شد. در این تحقیق برای آموزش شبکه از الگوریتم پس انتشار خطا و تابع فعال­سازی سیگموئیدی استفاده شد. نتایج بیانگر این موضوع بود که شبکه عصبی با ساختار 1-14-9 و با ضریب یادگیری 1/0 دارای ریشه میانگین مربعات خطا برابر 051/0 است. دقت شبکه در مرحله آموزش و آزمایش برابر 307/92 درصد و ضریب تبیین آن برابر 962/0 بود. علاوه بر این نتایج نشان داد که 63/13 درصد از مساحت منطقه در طبقه با خطر خیلی زیاد قرار گرفته است.