مدل سازی حرکات توده ای و مدیریت مناطق حساس به وقوع این حرکات، با استفاده از الگوریتم های آماری و شبکه عصبی (مطالعه موردی: حوضه آبریز اوجان چای)

این پژوهش با هدف مقایسه مدل شبکه عصبی مصنوعی با مدل رگرسیون لجستیک ، جهت ارزیابی خطر حرکات توده ای و ناپایداری دامنه ای و شناسایی عوامل موثر در ایجاد این پدیده در حوضه اوجان چای انجام گرفته است. هدف از نتایج به دست آمده از مدل های آماری، تعیین مناطق دارای پتانسیل وقوع ناپایداری و نهایتا تهیه ی نقشه پهنه بندی خطر برای منطقه ی مورد مطالعه می باشد.بدین جهت ابتدا پارامترهای موثر در وقوع ناپایداری دامنه ای استخراج شد و سپس لایه های مربوطه تهیه شده است. نقشه پراکنش ناپایداری های دامنه ای رخ داده شده در حوضه تهیه شد و با نقشه عوامل موثر بر حرکات و نقشه پراکنش ناپایداری های دامنه ای تلفیق شد و تاثیر هر یک از عوامل شیب، جهت شیب، ارتفاع از سطح دریا، سنگ شناسی، بارش، فاصله از گسل، کاربری اراضی، فاصله از روستا و جاده ، فاصله از شبکه ی زهکشی در محیط نرم افزار ArcGIS محاسبه گردید. برای ارزیابی نتایج خروجی مدل های مورد استفاده شده از ضرایب آماری ROC, Pseudo Rsquareو Chi Square استفاده شد. نتایج مدل ها نشان داد درصد پهنه هایی با خطر بسیار بالا در مدل شبکه ی عصبی و رگرسیون لجستیک به ترتیب 32/10 و 06/5 درصد می باشد که عمدتا محدوده های را شامل می گردد که از لحاظ لیتولوژی این مناطق در محدوده هایی با میزان مقاومت پایین قرار گرفته اند. همچنین مدل شبکه عصبی با مقدار شاخص ROC ، 89/0 مدل کارآمدتری نسبت به رگرسیون لجستیک جهت پهنه بندی وقوع ناپایداری های دامنه ای می باشد؛ براساس پهنه بندی صورت گرفته با استفاده از مدل شبکه عصبی، به ترتیب ،32/40 ،15/22 ،32/18 ،89/832/10 درصد از مساحت منطقه در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار گرفته است.