نقش تعیینکننده هدف مدلسازی و نیاز کاربر در انتخاب مدل برتر حساسیت زمینلغزش (مطالعه موردی: حوزه آبخیز تجن، استان مازندران)
نویسندگان
1 گروه جنگل، مرتع و آبخیزداری، دانشکده منابع طبیعی و محیطزیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
2 گروه جنگل، مرتع و آبخیزداری، دانشکده منابع طبیعی و محیطزیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
3 گروه جنگل، مرتع و آبخیزداری، دانشکده منابع طبیعی و محیطزیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
4 گروه جنگل، مرتع و آبخیزداری، دانشکده منابع طبیعی و محیطزیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران
doi
10.52547/esrj.11.3.167چکیده
در این تحقیق، سه مدل دادهکاوی شامل شبکه عصبی مصنوعی، ماشین بردار پشتیبان و بیشینه آنتروپی برای ارزیابی حساسیت زمینلغزش در حوزه آبخیز تجن استان مازندران انتخاب گردید. نتایج مدلها با شش شاخص کارایی مدل شامل: 1) روند توزیع مساحتی کلاسهای حساسیت، 2) روند توزیع عددی زمینلغزشها در کلاس-های حساسیت، 3) خطای نوع یک مدلسازی (مثبت کاذب)، 4) خطای نوع دو مدلسازی (منفی کاذب)، 5) مساحت زیر منحنی نرخ موفقیت و 6) مساحت زیر منحنی نرخ پیشبینی بررسی گردید و براساس آنها مدلها رتبهبندی شدند. نتایج حاکی از آن بود که براساس شاخص اول، مدلهای بیشینه آنتروپی، ماشین بردار پشتیبان و شبکه عصبی مصنوعی به ترتیب بهترین تا ضعیفترین کارایی را نشان دادند. براساس شاخص دوم، به ترتیب مدلهای ماشین بردار پشتیبان، بیشینه آنتروپی و شبکه عصبی مصنوعی بهترین تا ضعیفترین عملکرد را ارائه نمودند. شاخص سوم با اشاره به پتانسیل خسارات اقتصادی ناشی از خطای مدلسازی بیانگر عملکرد مناسب مدل ماشین بردار پشتیبان بود و مدلهای بیشینه آنتروپی و شبکه عصبی مصنوعی مشترکاً در درجات بعدی اهمیت قرار گرفتند. همچنین، شاخص چهارم با اشاره به پتانسیل تلفات جانی و مالی ناشی از خطای مدلسازی نشانگر عملکرد خوب مدل شبکه عصبی مصنوعی بود و مدلهای بیشینه آنتروپی و ماشین بردار پشتیبان به ترتیب در رتبه دوم و سوم قرار گرفتند. نتایج حاصل از شاخصهای پنجم و ششم بیانگر قدرت بالای یادگیری و تعمیم نتایج در مدل ماشین بردار پشتیبان بود و مدلهای بیشینه آنتروپی و شبکه عصبی مصنوعی در درجات بعدی اهمیت قرار گرفتند.