استانداردسازی فازی

تعیین نیازهای اساسی توسعه و اولویت بندی مؤلفه های آن در مناطق روستایی، از ضرورت های برنامه ریزی روستایی به شمار می آید. هدف پژوهش حاضر، وضعیت سنجی و اولویت بندی شاخص های توسعة پایدار در مناطق روستایی بخش مرکزی شهرستان بویراحمد است. جامعة آماری پژوهش، روستاهای 20 خانوار و بالاتر بخش مرکزی این شهرستان (89 روستا) بود که با استفاده از جدول برآورد حجم نمونة لین، 566 خانوار روستایی مطالعه و بررسی شدند. برای جمع آوری داده ها، افزون بر اسناد، پرسشنامة محقق ساخته به کار رفت و برای تعیین اعتبار بخش های مختلف پرسشنامه از روش اعتبار محتوا و به منظور تعیین پایایی آن از هم سانی درونی به روش آلفای کرونباخ استفاده شد. ضریب آلفای کرونباخ، 955/0-561/0 به دست آمد که بهینگی پرسشنامه را نشان می داد. داده پردازی پژوهش با استفاده از نرم افزار MATLAB7.10 انجام گرفت. با نگرش اندام وار به توسعة پایدار روستایی، شاخص ها انتخاب شدند و سپس برای عملیاتی کردن شاخص ها از استانداردسازی فازی بهره گرفته شد. برای تجزیه و تحلیل داده ها از ضریب جینی و آنتروپی شانن استفاده شد. نتایج وضعیت شناسی شاخص ها ازلحاظ پایداری حاکی از آن بود که 32 درصد از شاخص های بررسی شده در وضعیت پایدار، 32 درصد در وضعیت پایداری متوسط و 36 درصد نیز در وضعیت ناپایدار قرار داشتند. افزون بر آن، نتایج ضریب جینی نشان داد که شاخص ها به صورت مناسب توزیع نشده اند. بنابراین، لازم است که درخصوص تعیین مراکز و کانون های اصلی خدمات رسانی براساس نظام سلسله مراتبی سکونتگاه ها بازنگری صورت گیرد.

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.