راکعی, بابک, خامه‌چیان, ماشااله, عبدالملکی, پرویز, گیاهچی, پانته‌آ. (1387). کاربرد سیستم شبکة عصبی مصنوعی در پهنه بندی خطر زمین لغزش, مطالعه موردی: ناحیه سفیدار گله در استان سمنان. مجله علوم دانشگاه تهران (منتشر نمی شود), 33(3), -.
بابک راکعی; ماشااله خامه‌چیان; پرویز عبدالملکی; پانته‌آ گیاهچی. "کاربرد سیستم شبکة عصبی مصنوعی در پهنه بندی خطر زمین لغزش, مطالعه موردی: ناحیه سفیدار گله در استان سمنان". مجله علوم دانشگاه تهران (منتشر نمی شود), 33, 3, 1387, -.
راکعی, بابک, خامه‌چیان, ماشااله, عبدالملکی, پرویز, گیاهچی, پانته‌آ. (1387). 'کاربرد سیستم شبکة عصبی مصنوعی در پهنه بندی خطر زمین لغزش, مطالعه موردی: ناحیه سفیدار گله در استان سمنان', مجله علوم دانشگاه تهران (منتشر نمی شود), 33(3), pp. -.
راکعی, بابک, خامه‌چیان, ماشااله, عبدالملکی, پرویز, گیاهچی, پانته‌آ. کاربرد سیستم شبکة عصبی مصنوعی در پهنه بندی خطر زمین لغزش, مطالعه موردی: ناحیه سفیدار گله در استان سمنان. مجله علوم دانشگاه تهران (منتشر نمی شود), 1387; 33(3): -.
کاربرد سیستم شبکة عصبی مصنوعی در پهنه بندی خطر زمین لغزش, مطالعه موردی: ناحیه سفیدار گله در استان سمنان
تشخیص مناطق مستعد لغزش مسائل مختلفی را مطرح می‌کند که برای حل این مسائل روشهای متعددی مورد استفاده قرار گرفته است ولی بطور کلی به دو دسته روشهای مستقیم و غیر مستقیم طبقه‌بندی می‌شود و در تحقیق حاضر از روش غیرمستقیم استفاده شده‌است. هدف از این تحقیق بررسی استفاده از شبکه عصبی مصنوعی برای پهنه بندی خطر زمین لغزش در منطقة سفیدارگلة استان سمنان میباشد. جهت ارزیابی شبکه عصبی ایجادشده، داده های 49 زمین لغزش اتفاق افتاده به سیستم ارائه گردید. این پایگاه داده، شامل اطلاعات مربوط به شیب, جهت شیب، لیتولوژی، مدل ارتفاعی رقومی، بارندگی، فاصله از گسل و کاربری اراضی منطقه میباشد. این داده ها جهت تغذیه به شبکه عصبی ایجاد شده، بر اساس بزرگترین مقدار موجود هر داده در بانک اطلاعاتی بین صفر ویک نرمالیزه گردید. سپس داده های نرمالیزه شده به یک شبکه عصبی پرسپترون سه لایة تغذیه شونده به جلو (feed forward) با الگوریتم پس انتشار خطا (back error propagation) تغذیه گردید. بطور خلاصه ابتدا پارامترهای ورودی استخراج و شبکه عصبی بر مبنای آنها توسط الگوریتم پس انتشار خطا آموزش داده شد. سپس کارایی شبکه آموزش داده شده مورد آزمایش قرار گرفت. ساختار نهایی شبکه دارای 7 نرون در لایه ورودی, 20 نرون در لایه میانی و 1 نرون در لایه خروجی گردید. تعداد اطلاعات برای آموزش شبکه 1626 و برای آزمایش 400 واحد در نظر گرفته شد. دقت شبکه در مرحلة آزمایش 25/91% تخمین زده شد. بعد از بهینه شدن ساختمان شبکه کل اطلاعات مربوط به منطقه در اختیار شبکه قرار گرفت. خروجی بدست آمده از شبکة عصبی با اختلاف 2/0 به پنج ردة باخطرخیلی زیاد، زیاد, متوسط، کم و خیلی کم تقسیم گردید.
ابتدای صفحه