مقایسه روش های شبکه عصبی مصنوعی و رگرسیون چند متغیره در پهنه بندی خطر زمین لغزش، مطالعه موردی: حوضه ونک، استان اصفهان

زمین لغزش ها از مهمترین خطرات طبیعی هستند که نه تنها زندگی انسان را به خطر می اندازند، بلکه باعث ایجاد بار اقتصادی برای جامعه می شوند. با توجه به اهمیت تشخیص مناسب ترین روش برآورد صحیح خطر زمین لغزش، در این پژوهش میزان کارایی دو روش شبکه عصبی مصنوعی و رگرسیون چندمتغیره مقایسه شد. بدین منظور ابتدا با استفاده از عکس های هوایی، تصاویر ماهواره ای، نقشه های زمین شناسی و بررسی های میدانی نقشه پراکنش زمین لغزش ها تهیه شد. همچنین، با استفاده از بررسی های میدانی و مرور مطالعات انجام شده اقدام به بررسی و تعیین نه پارامتر موثر در رخداد زمین لغزش شامل لیتولوژی، کاربری اراضی، شیب، جهت شیب، ارتفاع، بارش، فاصله از گسل، فاصله از جاده و تراکم شبکه زه کشی شد. پس از تهیه لایه های اطلاعاتی با استفاده از GIS و وزن دهی به عوامل موثر، با استفاده از نقشه پراکنش زمین لغزش، اقدام به تهیه نقشه های پهنه بندی خطر زمین لغزش با استفاده از روش های شبکه عصبی مصنوعی و رگرسیون چند متغیره شده و نتایج مورد ارزیابی قرار گرفت. با توجه به اینکه برای ارزیابی مدل نمی توان از همان لغزش هایی استفاده نمود که در پهنه بندی استفاده شده اند، لذا، از بین نقاط لغزشی، 70 درصد (140 عدد) برای اجرای مدل و 30 درصد (60 عدد) برای ارزیابی مدل ها مورد استفاده قرار گرفت. مقادیر شاخص های مجموع کیفیت (QS) و دقت (P) به ترتیب برای روش شبکه عصبی (0.15 و 0.08) و برای روش رگرسیون چند متغیره (0.14 و 0.05) بوده که این نتایج بیانگر تناسب بیشتر نتایج مدل شبکه عصبی در پهنه بندی منطقه مورد مطالعه می باشد. بدین ترتیب با انتخاب بهترین روش پهنه بندی، می توان به نقشه پهنه بندی خطر قابل اعتماد و نتایج مطلوب تری دست یافت.