ویدا برزگر

شناسایی مناطق مستعد حرکات توده ای ازجمله زمین لغزش از طریق مدل سازی خطر با مدل های مناسب و کارا، یکی از اقدامات اساسی در کاهش خسارت احتمالی و مدیریت خطر است. زمین لغزش به عنوان یکی از انواع حرکات توده ای، فرایند پیچیده ای است که تحت تأثیر پارامترهای داخلی و خارجی روی می دهد که شناخت این پارامترها و میزان تأثیرشان در وقوع مخاطرات و استفاده از ابزاری مناسب برای کمی سازی، برنامه ریزان و مدیران را در برنامه ریزی های توسعه و مدیریت بهینه منطقه به ویژه مناطق کوهستانی در مقیاس های منطقه ای و محلی یاری می کند. هدف از مطالعه حاضر بررسی وقوع بالقوه زمین لغزش در حوضه گویجه بل با استفاده از مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی با الگوریتم پرسپترون چند لایه به منظور شناخت مناطق حساس به وقوع پدیده مذکور می باشد. برای مدلسازی از ۹ پارامتر مستقل اعم از لایه بارش، لیتولوژی، پوشش و کاربری اراضی، ارتفاع، شیب، جهت شیب، فاصله از شبکه زهکشی، فاصله از گسل و فاصله از جاده استفاده گردید. بعد از استانداردسازی فازی هر یک از پارامترها، نه فاکتور به عنوان متغیر مستقل و زمین لغزش های رخ داده نیز به صورت یک لایه باینری و به عنوان متغیر وابسته برای مدل رگرسیون لجستیک؛ همچنین فاکتورهای استاندارد شده به عنوان نرون های ورودی و زمین لغزش های رخ داده به عنوان آموزش دهنده مدل شبکه عصبی مصنوعی با الگوریتم پرسپترون چند لایه معرفی گردید. نتیجه اعتبارسنجی ROC نشان می دهد مساحت زیر منحنی در مدل شبکه عصبی مصنوعی بیشتر از مدل رگرسیون لجستیک بوده است و دقت برابر با ۹۱/۰ را نسبت به رگرسیون لجستیک با دقت ۸۹/۰ نشان می دهد. همچنین ۹ درصد از مساحت منطقه مورد مطالعه در پهنه های خطر زیاد و بسیار زیاد و ۵/۹ درصد جزو پهنه های خطر متوسط می باشد. پهنه های خطر متوسط می توانند با سومدیریت و ساخت و سازهای عوارض انسانی ازجمله جاده تحت تأثیر قرار گرفته و به پهنه های خطر زیاد و بسیار زیاد تبدیل گردند.