ارزیابی پتانسیل روان گرایی خاک در اثر وقوع زمین لرزه با استفاده از چند الگوریتم طبقه بندی هوشمند در نرم افزار Orange

یکی از پیامدهای احتمالی وقوع زمین لرزه در زمین های اشباع، روان گرایی خاک و در نتیجه آن شکست و خرابی فونداسیون ساختمان ها، انواع زیرساخت ها، پل ها و بسیاری فجایع دیگر می باشد. در این تحقیق سعی شد به منظور ارزیابی پتاسیل روان گرایی خاک برروی 79 نمونه از پایگاه داده زلزله تنگشان کشور چین، چند مدل طبقه بندی هوشمند با کمک نرم افزار Orange ساخته شود. به همین منظور عملکرد 5 روش طبقه بندی هوشمند (رگرسیون لاجستیک، شبکه عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM)، نزدیک ترین همسایگی(KNN) و جنگل تصادفی) براساس معیارهای مختلف با هم مقایسه شدند. نتایج نشان داد روش های SVM، ANN و رگرسیون لاجستیک از توانایی بالایی برای پیش بینی کلاس روان گرایی خاک برخوردار هستند و در بین آنها روش رگرسیون لاجستیک با مقدار شاخص AUC (98/0) به عنوان بهترین روش انتخاب شد. علاوه بر این، بررسی تاثیرگذاری متغیرها بااستفاده از چهار معیار بهره اطلاعاتی، بهره اطلاعاتی نسبی، شاخص جینی و شاخص ReliefF  بیانگر این است که متغیر مقاومت نوک مخروط در آزمایش نفوذ مخروطی موثرترین روش است و در اولویت اول قرار می گیرد. هم چنین متغیرهای نسبت تنش تناوبی و حداکثر شتاب افقی زلزله در سطح زمین ویژگی های مهمی به حساب می آیند.