مقایسه مدل شبکه عصبی مصنوعی با فرایند تحلیل سلسله مراتبی در ارزیابی خطر زمین لغزش

زمین لغزش یکی از مخاطرات طبیعی در مناطق کوهستانی به شمار می رود که هرساله به خسارات زیادی منجر می شود. حوضه دوآب الشتر با داشتن چهره ای کوهستانی و مرتفع و شرایط طبیعی مختلف دارای استعداد بالقوه زمین لغزش است. هدف این تحقیق مقایسه مدل شبکه عصبی مصنوعی با فرایند تحلیل سلسله مراتبی، به منظور ارزیابی خطر زمین لغزش در حوضه دوآب الشتر است. بدین منظور ابتدا پارامترهای موثر در وقوع زمین لغزش استخراج و سپس لایه های مربوط تهیه شد. سپس نقشه پراکنش زمین لغزش های رخ داده حوضه تهیه شد. در ادامه با مقایسه و بررسی نقشه عوامل موثر بر لغزش با نقشه پراکنش زمین لغزش ها، تاثیر هر یک از عوامل شیب، جهت شیب، ارتفاع، سنگ شناسی، بارش، کاربری اراضی، فاصله از گسل و آبراهه در محیط نرم افزار ArcGIS سنجیده شد. در این پژوهش به منظور پهنه بندی خطر زمین لغزش در حوضه دوآب الشتر، از مدل های شبکه عصبی مصنوعی و تحلیل سلسله مراتبی استفاده شد. در مدل شبکه عصبی مصنوعی الگوریتم پس انتشار خطا و تابع فعال سازی سیگمویید به کار گرفته شد. ساختار نهایی شبکه دارای 8 نورون در لایه ورودی، 11 نورون در لایه پنهان و 1 نورون در لایه خروجی شد. پس از بهینه شدن ساختمان شبکه، کل اطلاعات منطقه در اختیار شبکه قرار گرفت و در نهایت با توجه به وزن خروجی، نقشه پهنه بندی زمین لغزش تهیه شد. در روش فرایند تحلیل سلسله مراتبی، پس از مقایسه زوجی و استخراج وزن پارامترها، با تلفیق آنها پتانسیل زمین لغزشی حوضه به دست آمد. برای ارزیابی و طبقه بندی نتایج خروجی مدل های مورد استفاده در برآورد خطر لغزش منطقه از ضریب آماری کاپا استفاده شد. نتایج به دست آمده نشان می دهد که مدل شبکه عصبی مصنوعی با ضریب کاپای 90/0روش کارامدتری نسبت به مدل تحلیل سلسله مراتبی در تهیه نقشه خطر لغزش های حوضه دوآب الشتر است.