زهرا براتی؛ ابراهیم امیدوار؛ عطااله شیرزادی
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 ...
بیشتر
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.