به کارگیری الگوریتم ماشین های پشتیبان بردار در پهنه بندی خطر وقوع زمین لغزش (مطالعه موردی: حوضه آبریز درکه)

الگوریتمSVM یا ماشین بردار پشتیبان، به عنوان یکی از روش های غیرپارامتریک بر پایه تئوری یادگیری آماری بنا شده است. بر اساس این تئوری می توان کران نرخ خطای ماشین یادگیری را برای داده های طبقه بندی نشده، به عنوان نرخ خطای تعمیم یافته، در نظر گرفت. در این تحقیق با استفاده از توابع حلقوی، چند جمله ای، شعاعی و خطی در الگوریتم SVM و معیارهای موثر در شناسایی مناطق حساس به زمین لغزش شامل: فاصله (از گسل، شبکه زهکشی)، لیتولوژی، شیب (مقدار، زاویه) و سطح ارتفاعی به ارزیابی قابلیت وقوع زمین لغرش در حوضه آبریز درکه در شمال شهر تهران پرداخته شده است. بدین منظور لایه های مکانی معیارهای شش گانه مذکور به پایگاه داده مکانی وارد و سپس استانداردسازی بر روی معیارها انجام و در نهایت توابع ماشین بردار پشتیبان اجرا گردید تا کارایی هر کدام از توابع چهارگانه در شناسایی پهنه های حساس به زمین لغزش مشخص گردد. نتایج تحقیق نشان داد که بر اساس تابع خطی بیشتر پهنه حوضه آبریز درکه حساسیت متوسطی به رخداد زمین لغزش دارد. نقشه خروجی بر طبق توابع چندجمله ای و شعاعی نیز به ترتیب بیانگر حساسیت پذیری متوسط به بالای حوضه، حساسیت بیشتر قسمت غربی حوضه به زمین لغزش می باشد. بر اساس خروجی حاصل از تابع حلقوی اکثر پهنه این حوضه حساسیت متوسط تا بالایی را نشان می دهد. حداکثر و حداقل مساحت احتمالی حساس به زمین لغرش با 30 و 20 کیلومترمربع به ترتیب متعلق به توابع حلقوی و شعاعی می باشد.