برآورد سهم صخره و سنگ در خاكبرداري جاده هاي جنگلي با استفاده از رگرسيون لجستيك رتبه اي و فرايند تحليل سلسله مراتبي

Rockshare estimation in forest road excavation using the Ordinal Logistic Regression (OLR) and the Analytical Hierarchy Process (AHP)

در عمليات جاده سازي نسبت سنگ موجود در خاك به طور مستقيم روي قيمت هر مترمكعب خاكبرداري تاثير مي گذارد. بنابراين ايجاد يك چارچوب براي برآوردي قابل اعتماد از سهم سنگ پيش از طراحي شبكه جاده مي تواند به مسيرهاي با خاكبرداري آسانتر و در نتيجه كم-هزينه‌تري منجر شود. هدف پژوهش حاضر آن است كه با استفاده از ماهيت رتبه اي تقسيم بندي مسير به درجات سختي مختلف توسط كارشناسان بخش اجرا، سهم سنگ در خاك را به عنوان تابعي از شيب عرصه و نوع سنگ بستر با استفاده از مدل رگرسيون لجستيك رتبه‌اي معرفي نمايد. به-اين منظور، واحد هاي زمين شناسي به وسيله فرايند تحليل سلسله مراتبي (AHP) ارزش دهي و به‌همراه عامل شيب وارد مدل شدند. براي بررسي اثر تغيير تابع اتصال در قدرت برازش مدل، پنج نوع تابع اتصال بكار گرفته شد. بهترين نتيجه مربوط به تابع Probit بود كه بالاترين ضريب تشخيص را به‌همراه نتيجه مطلوب آزمون خطوط موازي ارايه نمود. براي نشان دادن قابليت بكارگيري روش پيشنهادي براي پهنه بندي سهم سنگ، مدل ساخته شده در بخشي از جنگلهاي كوهستاني شمال ايران پياده سازي شد.

The rock proportion of the subsoil directly influences on the cost of embankment in forest road construction. Therefore, developing a reliable framework for rock ratio estimation prior the road planning may lead to more light excavation and less cost operation. According to the ordinal nature of hardness classes of the soil in executive branches, the purpose of present research is to model the ratio of rocks in the subsoil as a function of terrain slope and geology information using Ordinal Logistic Regression Model. To do so, first, the geological units were weighted using the Analytical Hierarchy Process (AHP). The obtained priorities and terrain slope data were feed to the model. To evaluate effects of change in link functions, five types of link functions were adapted. The results showed that the Probit function gives the best determination coefficient and parallel lines test for our model. To show the applicability of the proposed approach, the optimum model was applied to a mountainous forest in where additional forest road network should be constructed in the next periods.