بررسی تاثیر تعداد عوامل ورودی در مقدار دقت شبکه عصبی مصنوعی برای پهنه بندی خطر وقوع زمین لغزش (مطالعه موردی: حوزه آبخیز هراز)

بیش از 30 درصد از مساحت کشور ایران را مناطق کوهستانی تشکیل می دهد، لذا هر ساله حرکات توده ایموجب خسارت به انواع سازه های مهندسی، مناطق مسکونی و جنگل ها در پی آن ایجاد رسوب و سیلاب های گل آلودگی رودخانه ها می شود. لذا برای جلوگیری از این خسارت ها و تعیین حساسیت دامنه ها، به پهنه بندی خطر زمین لغزش در مناطق مختلف می پردازند. هدف از انجام این پژوهش، تعیین ساختار بهینه شبکه عصبی مصنوعی با تعداد عوامل ورودی مختلف برای پهنه بندی خطر وقوع زمین لغزش در بخشی از حوزه آبخیز هراز می باشد. برای انجام این پژوهش ابتدا تعداد تکرار بهینه برای جلوگیری از آموزش بیش از حد شبکه با روش سعی و خطا تعیین شد. سپس تعداد نرون در لایه پنهان 14 نرون تعیین شد. در نهایت تعداد نرون در لایه ورودی از 1 تا 9 تغییر داده شد. با توجه به نتایج به دست آمده مشخص شد که هر چه تعداد نرون در لایه ورودی افزایش یابد کارایی شبکه برای پهنه بندی حساسیت زمین لغزش بهتر می شود. در این پژوهش ساختار 9 نرون در لایه ورودی، 14 نرون در لایه پنهان و 1 نرون در لایه خروجی با نسبت یادگیری 2/0 به عنوان ساختار بهینه انتخاب شد که ریشه میانگین مربعات خطا و ضریب تبیین به ترتیب برابر 051/0 و 9623/0 بود. نقشه پهنه بندی تهیه شده با این ساختار دارای دقت 307/92 درصد بود. نتایج دیگر پژوهش نشان داد که از کل مساحت منطقه مورد مطالعه، 14/35، 73/26، 59/14، 88/9 و 63/13 درصد، به ترتیب در طبقه پایدار، کم خطر، خطر متوسط، خطر زیاد و خطر خیلی زیاد قرار گرفته است.