fa ارزیابی مدل رگرسیون لجستیک در پیش‌بینی مناطق محتمل زمین لغزش: مطالعه موردی، شهرستان قزوین تخصصي Special كاربردي Applicable <span style="font-size:12pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="line-height:115%"><span style="font-family:Calibri,sans-serif"><span lang="FA" style="font-size:13.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">زمین لغزش به عنوان یک ریسک بالقوه شناخته می شود. شناسایی مناطق محتمل زمین لغزش می تواند مدیریت و پیش بینی آن را بهبود دهد. برای این منظور ۱۰ معیار شامل، نوع خاک، لیتولوژی، بارش، فاصله از گسل، پوشش گیاهی، فاصله از آبراهه، فاصله از شهر، فاصله از روستا، شیب و ارتفاع انتخاب شدند که با استفاده از پردازش های </span></span></span><span dir="LTR" new="" roman="" style="font-family:" times="">GIS</span> <span lang="FA" style="font-size:13.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">پایگاه داده فضایی تهیه شد. سپس با استفاده از مدل رگرسیون لجستیک و داده های آموزشی نقشه پیش&shy;بینی ریسک زمین لغزش تهیه شد. برای ارزیابی صحت از شاخص های </span></span></span><span lang="AR-SA" style="font-size:13.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">دقت-یادآوری</span></span></span><span lang="FA" style="font-size:13.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:"> و سطح زیر منحنی نمودار </span></span></span><span dir="LTR" new="" roman="" style="font-family:" times="">ROC</span> <span lang="FA" style="font-size:13.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">استفاده شد. نتایج نشان داد که در آستانه های پایین نمونه های مثبت اولیه به خوبی تشخیص داده شده است، اما با افزایش ریکال، میزان پرسیژن به حدود 0.6-0.7 کاهش می یابد. در سوی دیگر میزان </span></span></span><span dir="LTR" new="" roman="" style="font-family:" times="">AUC</span> <span lang="FA" style="font-size:13.0pt"><span style="line-height:115%"><span b="" nazanin="" style="font-family:">برابر با 0.557 است که به حالت تصادفی نزدیک است. نتایج بیانگر این است که مدل رگرسیون لجستیک و معیارهای مورد استفاده کارایی بالایی در شناسایی ریسک زمین لغزش ندارند.</span></span></span><span dir="LTR" style="font-size:13.0pt"><span style="line-height:115%"></span></span></span></span></span></span></span><br> &nbsp; <span style="font-size:12pt"><span style="line-height:115%"><span style="font-family:Calibri,sans-serif"><span new="" roman="" style="font-family:" times="">Landslides are known as a potential risk. Identifying potential landslide areas can improve its management and prediction. For this purpose, 10 criteria including soil type, lithology, precipitation, distance from fault, vegetation, distance from watercourse, distance from city, distance from village, slope and elevation were selected and prepared using GIS spatial database processing. Then, a landslide risk prediction map was prepared using the logistic regression model and training data. Precision-recall and area under the ROC curve indices were used to assess accuracy. The results showed that at low thresholds, initial positive samples were well detected, but with increasing recall, the precision rate decreases to about 0.6-0.7. On the other hand, the AUC rate is 0.557, which is close to random. The results indicate that the logistic regression model and the criteria used are not highly effective in identifying landslide risk.</span></span></span></span><br> &nbsp; زمین‌لغزش، رگرسیون لجستیک، پیش‌بینی ریسک، GIS، شهرستان قزوین Landslide, Logistic Regression, Risk Prediction, GIS, Qazvin County 0 0 http://disaster.ndri.ac.ir/browse.php?a_code=A-10-104-1&slc_lang=fa&sid=1 Rouholla Jafarisirizi روح الله جعفری سیریزی Sirizi.r@gmail.com 1003194753284600379 1003194753284600379 Yes Mohammad Hassan Khamesi-Meybodi محمدحسن خامسی میبدی Mkhamesi@nus.ac.ir 1003194753284600380 1003194753284600380 No Javad Sadidi جواد سدیدی jsadidikhu@khu.ac.ir 1003194753284600381 1003194753284600381 No