پديد آورندگان :
طالبي، علي دانشگاه يزد - دانشكده منابع طبيعي , گودرزي، سحر دانشگاه يزد , پورقاسمي، حميدرضا دانشگاه شيراز
كليدواژه :
الگوريتم جنگل تصادفي , حوزه آبخيز سردار آباد , زمين لغزش , منحني راك
چكيده فارسي :
با توجه به توانايي تكنيك هاي داده كاوي، كاربرد آنها در رشته هاي مختلف مهندسي و علوم زمين گسترش فراواني داشته است. هدف از پژوهش حاضر پهنه بندي حساسيت زمين لغزش با استفاده از الگوريتم جنگل تصادفي، در حوزه آبخيز سردار آباد در شهرستان خرم آباد، استان لرستان است. جنگل هاي تصادفي يك نوع مدرن از درخت - پايه هستند كه شامل انبوهي از درخت هاي كلاس بندي و رگرسيوني مي باشند. الگوريتم جنگل تصادفي مبتني بر دسته اي از درخت هاي تصميم است و در حال حاضر يكي از بهترين الگوريتم هاي يادگيري است. براي انجام پژوهش حاضر لايه هاي اطلاعاتي درجه شيب، جهت شيب، ارتفاع از سطح دريا، شكل شيب، فاصله از گسل، فاصله از آبراهه، فاصله از جاده، بارندگي، ليتولوژي و كاربري اراضي به عنوان عوامل مؤثر بر وقوع زمين لغزش شناسايي و نقشه هاي آن در نرم افزار ArcGIS10 . 2 رقومي و تهيه گرديدند. سپس با استفاده از الگوريتم جنگل تصادفي، ارتباط بين عوامل مؤثر و موقعيت زمين۔ الغزشها و وزن هر يك از آنها در نرم افزار آماري R محاسبه و در نهايت جهت تهيه نقشه حساسيت زمين لغزش منطقه مورد مطالعه به محيط GIS منتقل گرديد. نتايج ارزيابي دقت روش پهنه بندي با استفاده از منحني تشخيص عملكرد نسبي و 30 درصد نقاط لغزشي استفاده نشده در فرآيند مدل سازي، بيانگر دقت عالي مدل جنگل تصادفي با سطح زير منحني 98/8 درصد است. هم چنين بر اساس الگوريتم جنگل تصادفي، عوامل ليتولوژي، فاصله از جاده و فاصله از رودخانه به ترتيب بيشترين تأثير را در وقوع زمين لغزش حوزه آبخيز سردار آباد داشته اند.
چكيده لاتين :
With respect to the ability of data analysis techniques, their applications in various engineering and geosciences
disciplines have been expanded. In this study, the random forest algorithm has been used for landslide
susceptibility mapping in the Sardarabad Watershed, Lorestan Province. Random forest is another popular and
very efficient algorithm, based on model aggregation ideas, for both regression and classification problems. The
method combines the idea of bagger with random feature selection. For this purpose, layers of slope, aspect,
elevation, curvature, distance from the fault, distance from the river, distance from the road, rainfall, lithology
and land use were prepared as the factors influencing landslide. Then, their maps were digitized in ArcGIS10.2
map-software. Then, sensitive areas to landslides were evaluated using adaptive random forest algorithms.
Meanwhile, random forest algorithms were written in R software and finally, ROC curves were used for
evaluating the models. Based on the obtained results in the study area, the accuracy of the random forest
algorithm is 98.8%. Overall, the random forest algorithm indicates that lithology and distance to roads are the
main factors on landslide occurrence. Overall, the random forest algorithm indicates that lithology and distance
to roads are the main factors on landslide occurrence.
