تلفیق مدل فرایند تحلیل سلسله مراتبی و شبکه های عصبی به منظور پهنه بندی خطر وقوع زمین لغزش (مطالعه موردی شهرستان بیجار)

شناسایی محدوده های مستعد زمین لغزش در عمران شهری و منطقه ای دارای اهمیت ویژه ای است. در این مقاله به پهنه بندی میزان حساسیت به زمین لغزش با استفاده از شبکه عصبی مصنوعی و تحلیل سلسله مراتبی اقدام شده است. این پهنه بندی و تحلیل با استفاده از شبکه های عصبی مصنوعی که قادر به شناسایی روابط پیچیده بین حرکات توده ای و هدف یعنی عوامل پهنه حساسیت، به منظور شناسایی مناطق ناپایدار صورت گرفته است. روش تحلیل سلسله مراتبی برای بهبود نمونه آموزش، در سیستم اطلاعات جغرافیایی انجام شده است. پیش پردازش با استفاده از روش تحلیل سلسله مراتبی داده ها برای انتخاب پیکسل های مناطق بدون لغزش و کمک به بهبود قابلیت پیش بینی روش شبکه عصبی که یک مدل جعبه سیاه است انجام شده است. این روش در شهرستان بیجار در شمال شرق استان کردستان که پتانسیل زیادی برای حرکات دامنه ای دارد، باهدف پهنه بندی زمین لغزش به عنوان یکی از حرکات دامنه ای اعمال شد. بدین منظور ابتدا بررسی های کتابخانه ای برای شناسایی معیارهای تاثیرگذار در این فرایند انجام گرفت بر اساس پژوهش ها، متغیرهای لیتولوژی، فاصله از گسل، جهت شیب، کاربری اراضی، فاصله از رودخانه، فاصله از خطوط ارتباطی، شیب، ارتفاع و شبکه زهکش مهم ترین فاکتورهای موثر بر زمین لغزش محسوب می شوند که در این تحقیق ارزیابی شدند. برای ارزیابی این متغیرها در شبکه عصبی پرسپترون با ساختار نه لایه ورودی، دولایه پنهان و نه گره در هر دولایه با میزان یادگیری01/ با دو تابع سیگموئید و خطی به عنوان ساختار بهینه با آزمون و خطا پذیرفته شد برسی این متغیرها با استفاده از شبکه عصبی نشان دهنده آن است که بیش از 60 درصد از منطقه بررسی شده جزء مناطق با قابلیت زمین لغزش زیاد است. به منظور صحت سنجی این مدل ها از داده های مشاهده ای موجود استفاده شده که حاکی از موفقیت و کارایی هر دو تابع با اولویت اندک تابع سیگموئید است.