کاربرد سیستم شبکه عصبی مصنوعی در پهنه بندی خطر زمین لغزش، مطالعه موردی: ناحیه سفیدار گله در استان سمنان

تشخیص مناطق مستعد لغزش مسائل مختلفی را مطرح می کند که برای حل این مسائل روش های متعددی مورد استفاده قرار گرفته است ولی بطور کلی به دو دسته روش های مستقیم و غیر مستقیم طبقه بندی می شود و در تحقیق حاضر از روش غیرمستقیم استفاده شده است. هدف از این تحقیق بررسی استفاده از شبکه عصبی مصنوعی برای پهنه بندی خطر زمین لغزش در منطقه سفیدارگله استان سمنان می باشد. جهت ارزیابی شبکه عصبی ایجادشده، داده های 49 زمین لغزش اتفاق افتاده به سیستم ارائه گردید. این پایگاه داده، شامل اطلاعات مربوط به شیب، جهت شیب، لیتولوژی، مدل ارتفاعی رقومی، بارندگی، فاصله از گسل و کاربری اراضی منطقه میباشد. این داده ها جهت تغذیه به شبکه عصبی ایجاد شده، بر اساس بزرگترین مقدار موجود هر داده در بانک اطلاعاتی بین صفر ویک نرمالیزه گردید. سپس داده های نرمالیزه شده به یک شبکه عصبی پرسپترون سه لایه تغذیه شونده به جلو (feed forward) با الگوریتم پس انتشار خطا (back error propagation) تغذیه گردید. بطور خلاصه ابتدا پارامترهای ورودی استخراج و شبکه عصبی بر مبنای آنها توسط الگوریتم پس انتشار خطا آموزش داده شد. سپس کارایی شبکه آموزش داده شده مورد آزمایش قرار گرفت. ساختار نهایی شبکه دارای 7 نرون در لایه ورودی، 20 نرون در لایه میانی و 1 نرون در لایه خروجی گردید. تعداد اطلاعات برای آموزش شبکه 1626 و برای آزمایش 400 واحد در نظر گرفته شد. دقت شبکه در مرحله آزمایش 25/91% تخمین زده شد. بعد از بهینه شدن ساختمان شبکه کل اطلاعات مربوط به منطقه در اختیار شبکه قرار گرفت. خروجی بدست آمده از شبکه عصبی با اختلاف 2/0 به پنج رده باخطرخیلی زیاد، زیاد، متوسط، کم و خیلی کم تقسیم گردید.