پهنه بندی وقوع بهمن با استفاده از مدل شبکه عصبی مصنوعی (MLP) (مطالعه موردی: کوهستان های شمالی استان البرز)

بهمن یکی از انواع حرکات توده ای است که به حرکت سریع توده ای از برف در جهت شیب دامنه اطلاق می شود. بهمن ها در مسیر حرکت خود علاوه بر برف، سنگ و خاک و گیاه را حمل می کنند و منجر به آسیب رساندن به خطوط ارتباطی، ساختمان ها و خطوط انتقال نیرو در مسیر حرکت بهمن می شوند. در این پژوهش دامنه هایی که دارای پتانسیل بهمن خیزی هستند، با استفاده از مدل شبکه عصبی مصنوعی (MLP) پهنه بندی گردید. به منظور آموزش مدل داده های 39 دامنه ای که بهمن در آن اتفاق افتاده بود را به شبکه معرفی کرده و عوامل موثر در وقوع بهمن شامل شیب، جهت شیب، ارتفاع، کاربری زمین، زمین شناسی، داده های هواشناسی شامل بارش و دما و شبکه آبراهه و خطوط ارتباطی به عنوان ورودی پس از نرمالیزه کردن به شبکه معرفی شد و در نهایت پس از آزمون و خطا، جهت رسیدن به حداقل خطا و حداکثر دقت ساختاری با معماری یک لایه ورودی با 10 نرون، یک لایه پنهان با 15 نرون و یک لایه خروجی برای آموزش و یادگیری شبکه انتخاب شد. از داده 39 دامنه ای که قبلا بهمن در آن اتفاق افتاده بود که به عنوان نقاط سیاه به شبکه معرفی شد 70 درصد برای آموزش و 30 درصد برای تست نتایج بکار گرفته شد و مدل با 90/4درصد دقت آموزش دید. نهایتا پس از پهنه بندی دامنه های بهمن خیز با 6/88 درصد دقت در پهنه بندی، عامل جهت شیب، شیب و ارتفاع به ترتیب دارای بیشترین عامل در تاثیر وقوع بهمن در منطقه شناخته شد.