كليدواژه :
زمين لغزش , شبكه عصبي , سيستم استنتاجي فازي عصبي , پهنه بندي , حوضه رودخانه سنگورچاي
چكيده فارسي :
در اين تحقيق براي پهنه بندي زمين لغزش در حوضه رودخانه سنگور چاي از مدل سيستم استنتاجي فازي عصبي (ANFIS) استفاده شد. به اين منظور، داده هاي 124 زمين لغزش، شناسايي شده و براي انجام فرايند تحليل و پردازش به سيستم ارائه شد. در كنار آن براي پردازش زمين لغزشها، 8 لايه متشكل از لايه هاي شيب، جهت شيب، DEM ليتولوژي، شبكه هيدروگرافي، لايه NDVI گروه خاك و پراكنش زمين لغزش ترسيم گرديد. براي پردازش لايه هاي فوق در مدل فازي عصبي، داده ها طي فرايند ترماليزه كردن در بازه صفر و يك قرار گرفتند. در ادامه براي تعليم و تست دادهها حدود 80 درصد داده ها براي تعليم و 20 درصد براي تست انتخاب شدند. در تحقيقات متعدد مقدار فوق به عنوان حد قابل قبول در نظر گرفته شده است. سپس مقادير فوق در ساختار سيستم استنتاجي فازي عصبي مورد پردازش قرار گرفتند. در نهايت با توجه به وزن خروجي، نقشه پهنه بندي زمين لغزش در پنج رده با خطر خيلي زياد، زياد، متوسط، كم و خيلي كم ترسيم گرديد. نتايج نشان داد كه ساختار زمين شناسي شكل گرفته از مارن خاكستري و توفهاي آتشفشاني در كنار منابع رطوبتي بالا باعث شده كه ارتفاعات كوههاي گنجگاه و اسلام آباد در محدوده جنوب غربي حوضه از قابليت بالايي در رخداد زمين لغزش برخوردار شوند اين در حاليست كه نتايج حاصل از مدل سيستم استنتاجي فازي عصبي نشان مي دهد كه محدوده شرقي آق باش و شمالي كروز سفلي از بيشترين احتمال رخداد زمين لغزش هاي شديد برخوردار بوده و بخش مركزي محدوده آق باش از كمترين احتمال رخداد زمين لغزش برخوردار مي باشد.
چكيده لاتين :
In this study, Neural Fuzzy Inference System (ANFIS) was used in landslide zoning in the Songhur Chai River
Basin. In order to assess the neural network, 124 occurred landslide data identified from aerial photographs,
satellite imagery, and field observations and was presented to the system. In addition, for processing landslides
in MATLAB software, 8-layers were prepared; slope layers, aspect, DEM, lithology, hydrographic network
layer, NDVI, soil and landslide groups and landslide distribution were drawn from field studies, topographic and
geologic maps and satellite images in Arc GIS software. These layers were normalized based on the largest value
for each layer in the range between 1 and zero. During the modeling process, 80% of the data were selected for
training and 20% for were tested and were processed in the neural fuzzy inference system. In several studies, the
value is considered as acceptable. Then, the values in order to map the landslide in the structure of ANFIS were
processed and analyzed. Finally, with respect to the output weights, landslide zonation maps were drawn in five
categories: very high, high, medium, low and very few. The results indicated that the geological structure formed
of gray man and red sandstone, volcanic ash and tuff and high humidity, makes Ganjgah Mountains and
Islamabad a high potential area for landslide occurrence.
