گروه سنجشازدور و GIS، دانشکده علوم زمین، دانشگاه شهید بهشتی، تهران، ایران.
چکیده: (49 مشاهده)
هدف: زمینلغزش بهعنوان یک ریسک بالقوه شناخته میشود. شناسایی مناطق مستعد زمینلغزش میتواند مدیریت و پیشبینی آن را بهبود دهد. این خطر بالقوه تهدیدی جدی برای تأسیسات انسانی و حتی جان انسانها بشمار میرود. با پیشرفتهای علوم مکانی و الگوریتمهای یادگیری ماشین، تلاشها برای تهیه نقشههای پیشبینی این مخاطره افزایش یافته است. روش پژوهش: در این مقاله، برای تهیه نقشه پیشبینی وقوع زمینلغزش در شهرستان قزوین، 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. با استفاده از پردازشهای GISپایگاه داده فضایی تهیه شد. مقیاس فضایی و اندازه پیکسل برای هر یک از معیارها ۳۰*۳۰ متر بود تا درنهایت نقشه پیشبینی با این مقیاس حاصل شود. سپس با استفاده از مدل رگرسیون لجستیک و دادههای آموزشی نقشه پیشبینی وقوع زمینلغزش، ریسک زمینلغزش تهیه شد. برای ارزیابی صحت از شاخصهای دقت-یادآوری و سطح زیر منحنی نمودار ROCاستفاده شد. یافتهها: بر اساس نقشه پیشبینی پهنههای با خطر زیاد و بسیار زیاد عمدتاً بهصورت نوارهای خطی و منحنی در بخشهای مختلف منطقه گسترش یافتهاند که این موضوع میتواند تحت تأثیر امتداد گسلها، آبراههها، تغییرات لیتولوژی و تغییرات ناگهانی شیب باشد. نتایج نشان داد که در آستانههای پایین نمونههای مثبت اولیه بهخوبی تشخیص داده شده است، اما با افزایش یادآوری (Recall)، میزان دقت (Precision) به حدود 6/0-7/0 کاهش مییابد. در سوی دیگر میزان AUCبرابر با 557/0 است که به حالت تصادفی نزدیک است. خلاف دقت-یادآوری که نشان میداد در بعضی آستانهها مدل کمی بهتر عمل میکند، ROCتأکید میکند که در کلیت، قدرت تمایز مدل پایین است. نتیجهگیری: نتایج بیانگر این است که مدل رگرسیون لجستیک و معیارهای مورداستفاده کارایی بالایی در شناسایی ریسک زمینلغزش ندارند. در پایان پیشنهاد میشود برای انجام تحقیقاتی در خصوص این موضوع از روشهای متنوع یادگیری ماشین و یادگیری عمیق و دادههای متنوع و بیشتر استفاده شود.
جعفری سیریزی روح الله، خامسی میبدی محمدحسن، سدیدی جواد.(1404). ارزیابی مدل رگرسیون لجستیک در پیشبینی مناطق مستعد زمینلغزش؛ مطالعه موردی: شهرستان قزوین تابآوری در برابر حوادث و سوانح 1 (4) :104-95 10.22034/IDR.1.4.95
