شناسایی پهنه های مستعد زمین لغزش با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) مطالعه موردی: شهرستان خلخال
نویسندگان
1 استادگروه سنجش از دورو GIS دانشگاه تبریز،تبریز،ایران
2 دانشگاه تبریز
3 فارغ التحصیل کارشناسی ارشددانشگاه تبریز،تبریز،ایران
doi
10.22034/rsgi.2024.58772.1057چکیده
یکی از مخاطراتی که زیر ساخت های موجود در مناطق مختلف را تهدید می کند، پدیده زمین لغزش است. مطالعه حاضر سعی در شناسایی پهنه های مستعد این پدیده طبیعی در شهرستان خلخال دارد، که با استفاده از روش شبکه عصبی انجام گرفته است. برای این منظور ۹ عامل تاثیر گذار بر لغزش شناسایی و تهیه شدند، لایه لغزش های اتفاق افتاده، از عکس های هوایی و تصاویر ماهواره ای و بازدید های میدانی بدست آمده و با استفاده ازنقاط غیر لغزشی در سطح منطقه، داده های آموزش شبکه عصبی پرسپترون چند لایه را ایجاد کردند. این داده ها به منظور مدلسازی شبکه عصبی، پس از آماده سازی اولیه در محیط نرم افزار ARC GIS 10.5 به نرم افزار MATLAB 2016 منتقل شده و با استفاده از کد نویسی شبکه عصبی MLP آموزش دیدند تا در مورد داده هایی که با آنها برخورد نداشته اند، پیش بینی انجام دهند. ساختار شبکه عصبی طراحی شده از بین شبکه های بسیاری که ایجاد و آزمایش شدند، ۱-۱۲-۹ انتخاب شد، که ۹ ورودی به تعداد معیار های تاثیرگذار، ۱۲ نورون در لایه میانی و یک نورون و لایه برای خروجی شبکه بدست آمد. نتایج نمودار اعتبار سنجی مدل شبکه عصبی (ROC) نشان دهنده دقت بالای ۹۵ درصدی مدل ایجاد شده در پیش بینی پیکسل های لغزشی است. بر طبق نتایج حاصله ۵۷/۰، ۱۱/۰، ۰۷/۰ ، ۰۶/۰ و ۱۷/۰ درصد از منطقه مورد مطالعه به ترتیب در کلاس های بسیار زیاد، زیاد، متوسط، کم و خیلی کم قرار گرفتند.