دوره 17، شماره 4 - ( 1392 )                   جلد 17 شماره 4 صفحات 42-21 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Landslide Susceptibility Mapping using classification rule discovery by ant colony optimization and GIS. MJSP 2014; 17 (4) :21-42
URL: http://hsmsp.modares.ac.ir/article-21-4139-fa.html
عرب امیری محمد، کریمی محمد، علیمحمدی سراب عباس. تهیه‌ی نقشه‌ی حساسیت زمین‌لغزش با استفاده از کشف قوانین طبقه‌بندی توسط الگوریتم بهینه‌سازی کلونی مورچه و GIS. آمایش فضا و ژئوماتیک. 1392; 17 (4) :21-42

URL: http://hsmsp.modares.ac.ir/article-21-4139-fa.html


1- دانشجوی دانشگاه خواجه نصیر الدین طوسی
2- استاد دانشگاه خواجه نصیر الدین طوسی
چکیده:   (8303 مشاهده)
تهیه نقشه حساسیت زمین‏لغزش یک ابزار ضروری برای مدیریت بحران می‏باشد. هدف مطالعه حاضر بررسی تهیه نقشه حساسیت زمین‏لغزش با استفاده از کشف قوانین طبقه بندی (CRD) توسط بهینه سازی کلونی مورچه (ACO) می‏باشد. این روش مدلسازی برای ارزیابی حساسیت زمین‏لغزش در شهرستان جوانرود از استان کرمانشاه به کار گرفته شد. برای این منظور، لایه‏های موضوعی شامل شیب، فاصله از گسل‏ها، فاصله از آبراهه، بارندگی، کاربری و بافت خاک استفاده شدند. این مطالعه روش یکی در یک زمان (OAT) را به عنوان روش تحلیل حساسیت برای بدست آوردن وابستگی خروجی‏های مدل به پارامترهای ورودی استفاده نمود. سپس، عملکرد الگوریتم ارائه شده با مقایسه با الگوریتم درخت تصمیم‏گیری C5 که یک روش کشف قوانین طبقه‏بندی شناخته شده می‏باشد، اعتبارسنجی شد. برای سنجش صحت نقشه حساسیت زمین‏لغزش حاصل، این نقشه با توزیع زمین‏لغزش‏های مشاهده شده ارزیابی شد. نقشه حاصل نشان داد که قدرت پیش‏بینی مدل بسیار بالا می‏باشد. به طور کلی، حدود 20% از منطقه مطالعه در طبقات حساس و بسیار حساس می‏افتد، و اغلب زمین‏لغزش‏های پیشین (81.25%) در این طبقات رخ می‏دهند. نتایج این مطالعه نشان‏داد که این مدل می‏تواند به طور کارآمدی در تهیه نقشه‏های حساسیت زمین‏لغزش به کار رود.
متن کامل [PDF 434 kb]   (4903 دریافت)    

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.