نشریه زمین شناسی مهندسی، جلد دهم، شمارۀ 3 پاییز 5331 1063

پهنه‌بندی‌خطر‌زمین‌لغزش‌در‌حوضۀ‌آبخیز‌طالقان‌با‌استفاده‌از‌روش‌سیستمهای‌هوشمند‌
‌)روش‌شبکۀ‌عصبی‌مصنوعی‌مبتنی‌بر‌توابع‌پایهای‌گوسی‌و‌شبکۀ‌عصبی‌پرسپترون(‌‌
نرگس سلیمی*، سید محمود فاطمی عقدا؛ دانشگاه خوارزمی، دانشکده علوم زمین، محمد تشنه لب؛
دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده مهندسی برق، یوسف شرفی؛
126873790194

Downloaded from jeg.khu.ac.ir at 11:32 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.10.3.3601 ]

Downloaded from jeg.khu.ac.ir at 11:32 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.10.3.3601 ]

دانشگاه آزاد اسلامی تهران، واحد علوم وتحقیقات، گروه کامپیوتر تاریخ: دریافت 62/3/33 پذیرش 5/6/31 چکیده
زمینلغزشها هر سال خسارتهای مالی و جانی زیادی به بار میآورند. نقشههای پهنه بندی خطر زمینلغزش میتوانند به کاهش این خسارتها کمک کنند. حوزۀ آبخیز طالقان از جمله حوزههای مستعد زمینلغزش است که بررسی شده است. در این مقاله به پهنهبندی خطر زمین-لغزش در این منطقه و در مقیاس 15555/5، و با در نظر داشتن لایههای اطلاعاتی پراکندگی لغزشها، شیب ،برای شیب، زمین شناسی )لیتولوژی(، فاصله از گسلها، فاصله از آبراههها، با روش شبکههای عصبی مصنوعی مبتنی بر توابع پایهای گوسی )RBF( و شبکه های عصبی پرسپترون )MLP( می پردازیم. کلیات روش RBF تا حدود زیادی مشابه شبکههای عصبی پرسپترون )MLP( است که تا کنون قابلیت آن مشخص شده است و چندین تفاوت ساختاری در مؤلفهها بین این دوروش شبکۀ عصبی وجود دارد. از نتایج نهایی مشخص شد که نقشه های حاصل از هر دو روش قابل قبول هستند و روش MLP دقت بیش تری نسبت به روش RBF دارد.
1705864417798

واژههای کلیدی: پهنه بندی خطر زمین لغزش، طالقان ،سیستمهای هوشمند، شبکههای عصبی مصنوعی مبتنی بر توابع پایهای گوسی، شبکههای عصبی مصنوعی پرسپترون، MLP ،RBF * نویسنده مسئول [email protected]
1063
مقدمه
بررسی عوامل مؤثر در وقوع زمینلغزشهای یک منطقه و پهنهبندی خطرهای حاصل از آنها، کمک مؤثری در کاهش خسارتهای این پدیده به لحاظ پیشبینی و پیشگیری و کاهش خطرهای زمینلغزشها است ]5[.
شبکه های عصبی مصنوعی الگویی برای پردازش اطلاعات هستند که با تقلید از شبکههای عصبی زندۀ مغز انسان ساخته شده اند. شبکه های عصبی مصنوعی شاخهای از سیستمهای خبره اند.
تکنیک شبکههای عصبی مصنوعی با الهامگیری از عمل کرد مغز انسان و سیستم عصبی گسترش یافته است و این روش ارتباط بین ورودیها و خروجیهای متناظرشان را پیدا میکند و در مسائل پیچیده که ارتباط بین متغیرها ناشناخته است روشی قوی برای پیشبینی است ]4[. روش شبکۀ عصبی با توجه به این که مستقل از توزیع آماری دادهها است، به متغیر آماری مخصوصی احتیاج ندارد و دقت زیادی در پهنهبندی دارد ]3[.
126873790194

Downloaded from jeg.khu.ac.ir at 11:32 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.10.3.3601 ]

Downloaded from jeg.khu.ac.ir at 11:32 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.10.3.3601 ]

روش شبکۀ عصبی مبتنی بر توابع پایهای گوسی )RBF( و شبکۀ عصبی پرسپترون )MLP( جزء شبکههای عصبی پیش رو ،با الگوریتم پس انتشار خطا هستند و چنان که بیان شد در تعدادی از پارامترها و توابع با یک دیگر تفاوت دارند و همین امر سبب آموزش راحتتر و بسیار سریع تر شبکههای RBF نسبت به شبکههای MLP میشود.
در ارتباط با پهنهبندی زمینلغزشها با روش های هوشمند در خارج از کشور پژوهشهای متعددی انجام گرفته است. در داخل کشور نیز پژوهشهای زیادی انجام گرفته است که در اکثر این پژوهشها از روش شبکههای عصبی پرسپترون و فازی استفاده شده است. از پژوهشهای انجام شده در خارج از کشور میتوان به پژوهشهای فاطمیعقدا و همکاران )5334( ]64[، ارکانگو )6551( ]63[، یلماز )6553( ]62[، وانگ و همکاران )6553( ]61[ و در داخل کشور نیز به پژوهشهای ساریخانی )5335( ]55[، راکعی )5336( ]3[، زارعپور )5334( ]3[، سوری و همکاران )5335( ]56[، مرادی و همکاران )5335( ]53[ و هم چنین زارع و همکاران )6556( ]62[ اشاره کرد. در این پژوهش ها، بهعنوان خروجی از لایه ای خروجی )صفرو یک(، که در واقع همان نقشۀ پراکندگی موقعیت لغزشها است و با عوامل ورودی شیب، جهت 1061
شیب، ارتفاع، کاربری اراضی، فاصله از رودخانه و جاده و گسل، بارندگی و دو روش شبکه های عصبیMLP و RBF، برای پهنهبندی استفاده کردند و نهایتانهایتاً به این نتیجه رسیدند که شبکههای عصبی MLP دقت بیش تری دارد.
در حوزۀ آبخیز طالقان، پژوهشهای متعددی در رابطه با پهنهبندی خطر زمینلغزش انجام شده است پژوهشهای حق شناس )5324( ]2[ از جمله آن پژوهش ها است که به پهنهبندی خطر زمینلغزش و ارتباط آن با تولید رسوب در منطقۀ طالقان، با استفاده از روش های تحلیل مبین و رگرسیون چند متغیره و دو متغیره، با استفاده از چهار لایۀ اطلاعاتی لیتولوژی و گسل و شیب و جهت شیب پرداخته است و به این نتیجه رسید که روش تحلیل مبین، با توجه به فراهم آوردن امکان قضاوت کمی در مورد احتمال وقوع لغزش کاراتر است.
126873790194

Downloaded from jeg.khu.ac.ir at 11:32 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.10.3.3601 ]

Downloaded from jeg.khu.ac.ir at 11:32 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.10.3.3601 ]

جلالی )5335( ]1[ که به ارزیابی تعدادی از روشهای پهنهبندی خطر زمینلغزش در حوزۀ طالقان پرداخت و از شش روش مورا و وارسون، مورا و وارسون اصلاح شده، نیلسن ،نیلسن اصلاح شده، روش قضاوت کارشناسی و روش آماری و ابزارهای GIS و ILWIS استفاده کرد و به این نتیجه رسید که روش آماری بهترین روش است.
ملکپور )5333( ]53[ که از دو روش فازی و رگرسیونی و هم چنین با استفاده از لایههای جهت شیب اصلی، لیتولوژی، فاصله از گسل، تراکم پوشش گیاهی و کاربری اراضی به پهنه بندی خطر زمین لغزش در حوزۀ آبخیز طالقان پرداخته است هم چنین مشخص شد که هر دو روش میتوانند دقت برابری در پهنهبندی خطر لغزش در منطقه داشته باشند.
در تحقیق حاضر، برای حوزۀ آبخیز طالقان، لایههای اطلاعاتی نظیر پراکندگی محدودۀ لغزش ها، شیب ،جهت شیب، زمینشناسی)لیتولوژی(، فاصله از گسلها و فاصله از آبراههها جمعآوری و به عنوان پارامترهای ورودی برای شبکۀ عصبی در نظر گرفته شده است. به این منظور که هدف، پهنهبندی خطر زمینلغزش منطقه و به عبارتی تعیین پهنههای خطر خیلی کم ،خطر کم، خطر متوسط، خطر زیاد و خطر خیلی زیاد است، باید از هر یک از این پهنهها نیز به تعداد برابر در اختیار شبکه عصبی قرار گیرد تا آموزش بهتری را ببیند. بدین منظور ابتدا از لایه های اطلاعاتی موجود نقشۀ پهنهبندی ابتدایی به روش آماری )ارزش اطلاعاتی( به دست 1063
آمد، سپس از پهنههای خطر موجود به تعداد برابر و بهصورت تصادفی داده انتخاب شد و برای آموزش و آزمون در اختیار شبکه قرار داده شد. سپس با استفاده از نمونه های آموزشی و آزمونی منطقه، بهترین ساختار شبکهها طراحی شد و خطا به کم ترین میزان خود کاهش یافت و نهایتاًنهایتا از مدل طراحی شده برای پهنهبندی کل منطقۀ طالقان استفاده شد.

مواد و روشها
موقعیت جغرافیایی منطقۀ بررسی شده
126873790194

Downloaded from jeg.khu.ac.ir at 11:32 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.10.3.3601 ]

Downloaded from jeg.khu.ac.ir at 11:32 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.10.3.3601 ]

حوزۀ آبخیز طالقان یکی از زیرحوزههای مهم آبخیز سفیدرود بهشمار میرود که در ارتفاعات جنوبی البرز مرکزی قراردارد ]6[. در حال حاضر طالقان، به مرکزیت شهر طالقان، از شهرستانهای استان البرز است. منطقۀ کوهستانی طالقان، به فاصلۀ 35 کیلومتری از کرج )مرکز استان البرز( و در بین دو رشته کوه واقع در طرفین آن )رشته کوه طالقان در جنوب و رشته کوه البرز مرکزی در شمال( گسترده است ]55[.
این منطقه بین عرضهای جغرافیایی΄54˚32 تا ΄65˚32 و بین طولهای جغرافیایی ΄32˚15 تا ΄52˚15 قرار دارد )شکل 5( و به ترتیب بیش ترین و کم ترین ارتفاع منطقه 4633 و 5224 متر و دارای وسعتی در حدود 313 کیلومتر مربع است.
با توجه به توزیع منطقهای باران و کاربرد آن در آب و هواشناسی، منطقه در زمرۀ مناطق خشک و نیمه خشک قرار گرفته است.
با این حال وجود رشتهکوههای البرز و دریای خزر عامل مذکور را تحت تأثیر قرار داده و منطقه را از وضعیت خاصی برخوردار کرده است ]2[.

زمینشناسی عمومی منطقۀ بررسی شده
برمبنای تقسیم بندی واحدهای مختلف زمینشناسی در ایران با توجه به پیشنهاد نبوی
)5311(، منطقۀ طالقان در محدودۀ البرز مرکزی قرار میگیرد ]65[.

شکل 3. موقعیت منطقۀ بررسی شده
این حوزه شامل یک سری چین و راندگیهای شرقی- غربی است. که بهسوی شمال و جنوب روی هم رانده شدهاند ]54[. به نظر میرسد که چین خوردگی مهمی قبل از تریاس فوقانی در منطقه وجود نداشته است ]52[.
126873790194

Downloaded from jeg.khu.ac.ir at 11:32 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.jeg.10.3.3601 ]



قیمت: تومان

دسته بندی : زمین شناسی

دیدگاهتان را بنویسید