پهنه‌بندي خطر زمين‌لغزش با استفاده از شبكه عصبي مصنوعي مطالعه موردي: حوضه كشوري (نوژيان)

Landslide hazard zonation using artificial neural networks- A case study: Keshvari watershed (Nozhiyan)

حوضه آبريز كشوري در جنوب‌شرقي خرم‌آباد در استان لرستان قرار دارد. اين حوضه از نظر تقسيم‌بندي زمين‌ساخت ايران در زاگرس چين‌خورده قرار مي‌گيرد. با توجه به نوع سازند‌هاي زمين‌شناسي، وضعيت توپوگرافي و اقليم آن، اين حوضه از پتانسيل لغزش زيادي برخوردار است و از نظر لغزشي ناپايدار است. در اين تحقيق براي پهنه‌بندي خطر زمين‌لغزش در اين حوضه از روش شبكه عصبي مصنوعي با ساختار پرسپترون چندلايه و الگوريتم يادگيري پس انتشار خطا استفاده شده است. نتايج به‌دست آمده از شبكه عصبي مصنوعي نشان‌دهنده ساختار نهايي 1-11-9 براي پهنه‌بندي خطر زمين‌لغزش در اين حوضه است. بر اساس اين پهنه‌بندي 81/23، 53/7، 49/6، 68/18، 47/43 درصد از مساحت منطقه به‌ترتيب در كلاس‌هاي خطر خيلي كم، كم، متوسط، زياد و خيلي زياد قرار گرفته است.

The Keshvari watershed is located at south east of Khorramabad city in Lorestan province. This area is one part of the folded Zagros zone based on structural geology classification. Considering the type of geological format-ions, topographic conditions and its climate, this watershed is very unstable and capable for occurring landslide. In this study, artificial neural network (ANN) with structure of multi-layer percepteron and back propagation learning algorithm is used for zonation of landslide risk. The results of ANN showed the final structure of 9-11-1 for zonation of landslide risk in Keshvari watershed. According to this zonation, 23.81, 7.53, 6.49, 18.68 and 43.47 percent of area are located in very low, low, moderate, high and very high risk classes, respectively.