|
|
آمایش فضا و ژئوماتیک، جلد ۱۷، شماره ۴، صفحات ۲۱-۴۲
|
|
|
| عنوان فارسی |
تهیه‌ی نقشه‌ی حساسیت زمین‌لغزش با استفاده از کشف قوانین طبقه‌بندی توسط الگوریتم بهینه‌سازی کلونی مورچه و GIS |
|
| چکیده فارسی مقاله |
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. |
|
| کلیدواژه‌های فارسی مقاله |
واژه‌های کلیدی، بهینه‌سازی کلونی مورچه،کشف قوانین طبقه‌بندی،حساسیت زمین‌لغزش،جوانرود |
|
| عنوان انگلیسی |
Landslide Susceptibility Mapping using classification rule discovery by ant colony optimization and GIS |
|
| چکیده انگلیسی مقاله |
Abstract Landslide susceptibility mapping is a fundamental tool for disaster management. The purpose of the present study is to investigate the landslide susceptibility mapping using classification rule discovery (CRD) by ant colony optimization (ACO). This modeling approach was applied for Landslide susceptibility assessment in Javanroud county of Kermanshah province. For this purpose, thematic layers including slope, distance to faults, distance to stream, rainfall, land use, and soil texture were used. This study utilizes the one-at-a-time (OAT) approach as the sensitivity analysis method to determine the dependency of model outcomes on input parameters. Then, the performance of the proposed algorithm was validated by comparing it with C5 decision tree algorithm which is a well-known classification rule discovery method. To assess the accuracy of the resulting landslide susceptibility map, it was evaluated by the distribution of the observed landslides. The resulting map shows that the predictive power of the model is very high. Overall, about 20% of the study area falls in susceptible and very susceptible classes and most of the previous landslides (81.25%) occur in the same classes. The results of this study indicated that the model can be effectively used in preparation of landslide susceptibility maps. Keywords: ant colony optimization, classification rule discovery, landslide susceptibility, Javanroud, GIS. |
|
| کلیدواژه‌های انگلیسی مقاله |
GIS,ant colony optimization,classification rule discovery,landslide susceptibility,Javanroud,GIS |
|
| نویسندگان مقاله |
محمد عرب امیری | محمد عرب امیری
دانشجوی دانشگاه خواجه نصیر الدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)
محمد کریمی | محمد کریمی
استاد دانشگاه خواجه نصیر الدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)
عباس علیمحمدی سراب | عباس علیمحمدی سراب
استاد دانشگاه خواجه نصیر الدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)
|
|
| نشانی اینترنتی |
http://journals.modares.ac.ir/browse.php?a_code=A-21-1000-3156&slc_lang=fa&sid=21 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|
