فراز بیابانکی

ین پژوهش به ارزیابی و مدل سازی پایداری شیب های خاکی در مناطق زلزله خیز با استفاده از الگوریتم های یادگیری ماشین و روش های هوشمند پرداخته است. در این مطالعه، داده های جمع آوری شده از مناطق مختلف ایران شامل ۴۲۹۵ نمونه شیب خاکی با ویژگی های توپوگرافی، اقلیمی و زمین شناسی مورد تحلیل قرار گرفته است. هدف اصلی این تحقیق، شناسایی مهم ترین پارامترهای تأثیرگذار بر پایداری شیب ها و توسعه مدل های پیش بینی با دقت بالا برای شبیه سازی خطر زمین لغزش است. مدل های یادگیری ماشین نظیر Random Forest، XGBoost و Gradient Boosting به منظور پیش بینی پایداری شیب ها ارزیابی شدند و نتایج نشان داد که مدل XGBoost با دقت ۰.۹۲۰ بهترین عملکرد را ارائه داده است. همچنین، مدل ترکیبی Voting Classifier که ترکیبی از سه مدل مذکور است، بهترین تعادل را بین دقت و یادآوری نشان داد. این تحقیق می تواند به عنوان ابزاری موثر در ارزیابی خطرات زمین لغزش و کمک به برنامه ریزی منطقه ای و مدیریت بحران در مناطق زلزله خیز مورد استفاده قرار گیرد و همچنین تحلیل جغرافیایی خوبی را ارائه می دهد.