پهنه بندي خطر زمين لغزش با استفاده از مدلهاي شبكه عصبي مصنوعي و تاپسيس در پايين دست سد سنندج

نقشه هاي حساسيت وقوع زمين لغزش يكي از مهمترين ابزارهاي لازم براي برنامه ريزان و تصميم گيران محيطي به ويژه در مناطق كوهستاني است. هدف تحقيق حاضر بررسي و مقايسه ي دو مدل شبكه عصبي مصنوعي و مدل تاپسيس در پهنه بندي خطر زمين لغزش در منطقه ي پايين دست سد سنندج است. بدين منظور 9 لايه ي ورودي شيب، جهت شيب ، ليتولوژي، كاربري اراضي، بارش، هيپسومتري، فاصله از عوامل آبراهه، جاده و گسل در محيط Arc GIS بكار گرفته شد. نقاط لغزشي و غيرلغزشي منطقه با استفاده از تصاوير ماهوارهاي مشخص گرديد. در هر دو مدل از وزن يابي دروني در تعيين وزن لايه ها استفاده شد. در مدل شبكه ي عصبي داده ها با استفاده از يك شبكه ي پرسپترون چندلايه با الگوريتم يادگيري آدام آموزش ديدند و از الگوريتم جستجوي شبكه ايي به منظور بهينه سازي شبكه ي عصبي استفاده شد. ساختار شبكه داراي 9 نرون در لايه ورودي، 30 نرون در لايه ي مياني و 1 نرون در لايه ي خروجي است. در مدل تاپسيس پس از بيمقياسسازي ماتريس تصميم از روش آنتروپي شانون براي وزندهي به معيارها و به منظور تعيين فاصله نسبي از ايده آل مثبت و منفي، از فاصله ي اقليدسي استفاده شد. پس از آماده سازي مدل ها و تجزيه و تحليل هاي صورت گرفته، نقشه هاي پهنه بندي خطر زمين لغزش در 5 كلاس خطر لغزش در هر مدل تهيه شد. براساس مدل شبكه ي عصبي، حدود 31 درصد و مدل تاپسيس 30 درصد از منطقه در محدوده ي مناطق مطلوب جهت فعاليت هاي انساني قرار دارد. همچنين براساس مدل شبكه ي عصبي حدود 39 درصد و مدل تاپسيس 42 % از منطقه در محدوده ي مناطق نامطلوب و بسيار نامطلوب واقع شده اند. نتيجه تحليل خطاي مدل ها با استفاده از 5 روش محاسباتي ميزان خطا نشان مي دهد كه مدل شبكه ي عصبي پرسپترون داراي خطاي كمتر و انطباق بيشتري است و با جغرافياي منطقه سازگاري بهتري دارد.