پهنه بندی خطر زمین لغزش با استفاده از روش شبکه عصبی مصنوعی(مطالعه موردی: حوزه سپیددشت، لرستان)
چکیده
این تحقیق با هدف پهنه بندی خطر نسبی ناپایداری دامنهای و وقوع زمین لغزش در حوزه سپیددشت با استفاده از روش شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه و الگوریتم یادگیری پس انتشار خطا صورت گرفته است. به منظور بررسی پایداری دامنه ها در این حوزه ابتدا لغزشهای حوزه با استفاده از تصاویر ماهواره ای tm و +etm، عکسهای هوایی 1:50000 منطقه و بازدیدهای میدانی (سال 1393) شناسایی و ثبت گردیدند. با قطع نقشه های عوامل مؤثر بر لغزش با نقشه پراکنش زمین لغزش ها، تاثیر هر یک از عوامل شیب، جهت شیب، کاربری اراضی، ارتفاع، لیتولوژی، بارندگی، فاصله از گسل، جاده و آبراهه به ناپایداری شیب ها در محیط نرم افزار arcgis®10.1 برآورد گردید. در محیط متلب ساختار مناسب (1-13-9) برای پهنه بندی خطر زمینلغزش با استفاده از روش شبکه عصبی مصنوعی با ساختار پرسپترون چندلایه و الگوریتم یادگیری پس انتشار خطا نوشته شد. بر اساس نتایج پهنهبندی خطر زمینلغزش با استفاده از این مدل به ترتیب 18/0، 41/12، 09/14، 85/29 و 52/43% از مساحت منطقه در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار دارند.