ارزیابی عملکرد روش های آماری رگرسیون لجستیک و شبکه عصبی چندلایه پرسپترون در پیش بینی وقوع حرکات توده ای(حوضه آبریز کمانج چای علیا))

این پژوهش با هدف شناسایی عوامل موثر در ایجاد پدیده ناپایداری دامنه ای، تعیین مناطق دارای پتانسیل ناپایداری های دامنه ای و تهیه ی نقشه ی پهنه بندی خطر وقوع در حوضه کمانج چای علیا که از حوضه های مهم شمال شهرستان تبریز می باشد، با استفاده از مدل های رگرسیون لجستیک و شبکه ی عصبی مصنوعی انجام شده است. این حوضه به دلیل شرایط توپوگرافی، تکتونیک، زمینشناسی، چینه شناسی و اقلیم مستعد انواع ناپایداری های دامنه ای است و همواره این پدیده اتفاق می افتد. با توجه به هدف پژوهش متغیرهایی چون: ارتفاع، شیب، جهت شیب، جنس سازند، فاصله از گسل، فاصله از رودخانه، کاربری اراضی، فاصله از جاده، به عنوان متغیر مستقل و پراکنش ناپایداری دامنه ای به عنوان متغیر وابسته با استفاده از مدل های رگرسیون لجستیک و شبکه ی عصبی مصنوعی تحلیل شد . نتایج نشان داد مهم ترین عوامل تاثیرگذار در وقوع ناپایداری های دامنه ای در حوضه به ترتیب عبارت اند از: عامل ارتفاع، فاصله از رودخانه، لیتولوژی، فاصله از گسل، شیب و جهت شیب.  بیش از 50 درصد ناپایداری های دامنه ای منطقه ی مورد مطالعه در ارتفاع 1850-1520 در شیب32-17 درجه ، در فاصله ی حداکثر 200 متری از آبراهه و حداکثر 500 متری از گسل رخ داده اند. با توجه به نتایج مدل ها درصد پهنه هایی با خطر بسیار بالا در مدل شبکه ی عصبی و رگرسیون لجستیک به ترتیب برابر با 5/6 و 8/3 درصد می باشد که عمدتا محدوده های نزدیک به شبکه های زهکشی را شامل می گردد که از لحاظ لیتولوژی نیز این مناطق در محدوده هایی با میزان مقاومت پایین قرار گرفته اند که روش آماری لجستیک نیز نشان دهنده تاثیر بسیار زیاد فاصله از گسل و لیتولوژی بر وقوع پدیده زمین لغزش در منطقه مورد مطالعه می باشد ارزیابی مدل ها با شاخص ROC نشان داد که میزان دقت مدل رگرسیون لجستیک برابر با 894/0 و مدل شبکه ی عصبی 0/826می باشد. در واقع هر دو مدل مقدار بالایی را  نشان می دهد و حاکی از آن است که حرکات توده ای و ناپایداری های دامنه ای مشاهده شده، رابطه قوی با مقادیر احتمال حاصل از مدل های رگرسیون لجستیک و مدل شبکه ی عصبی مصنوعی دارد. نتایج این مطالعه میتواند در مدیریت خطر ناپایداری های دامنه ای و کنترل عوامل تشدیدکننده مفید باشد.