TY - JOUR ID - 78031 TI - ارزیابی و پهنه‌بندی خطر زمین‌لغزش با استفاده از فرآیند تحلیل شبکه و شبکه عصبی مصنوعی (مطالعه موردی: حوضه آذرشهر چای) JO - پژوهشهای ژئومورفولوژی کمّی JA - GMPJ LA - fa SN - 22519424 AU - رجبی, معصومه AU - ولی زاده کامران, خلیل AU - عابدی قشلاقی, حسن AD - دانشگاه تبریز Y1 - 2018 PY - 2018 VL - 5 IS - 1 SP - 60 EP - 74 KW - زمین‌لغزش KW - پهنه‌بندی KW - فرآیند تحلیل شبکه‌ KW - شبکه عصبی مصنوعی KW - حوضه آذرشهر چای DO - N2 - ارزیابی حساسیت زمین‌لغزش مهم‌ترین گام در تهیه نقشه خطر زمین‌لغزش است. هدف اصلی از این مطالعه، بررسی و مقایسه نتایج حاصل از دو مدل شبکه عصبی مصنوعی(ANN) و فرآیند تحلیل شبکه‌ای(ANP < /span>) در پهنه‌بندی خطر زمین‌لغزش در حوضه آذرشهر چای می‌باشد. برای انجام این تحقیق با بررسی منابع و نظر کارشناسان، فاکتورهای مؤثر در وقوع زمین‌لغزش (شیب ، جهت شیب ، طبقات ارتفاعی ، لیتولوژی ، کاربری زمین ، فاصله از رودخانه ، فاصله از گسل ، فاصله از جاده) در محیط  Arc GISآماده‌شده و با لایه پراکنش زمین‌لغزش‌ها تطابق داده شد و اطلاعات مربوط به زمین‌لغزش‌ها در هر یک از لایه‌های اطلاعاتی به‌صورت کمی به دست آمد. سپس با استفاده از ابزار Arc GIS و تجزیه‌وتحلیل‌های صورت گرفته در هر دو مدل ، اهمیت هرکدام از لغزش‌های رخ‌داده بررسی و نقشه‌های پهنه‌بندی زمین‌لغزش تولید شد. ارزیابی نتایج به‌دست‌آمده از فرآیند تحلیل شبکه‌ای و شبکه عصبی مصنوعی با استفاده از ضریب آماری کاپا نشان می‌دهد که شبکه عصبی مصنوعی با ضریب 74/۰ نسبت به فرآیند تحلیل شبکه‌ای با ضریب 72/0 از دقت بیشتری در پیش‌بینی زمین‌لغزش در حوضه آذرشهر چای برخوردار است. همچنین بر اساس پهنه‌بندی صورت گرفته با استفاده از مدل فرآیند تحلیل شبکه‌ای نتایج به‌دست‌آمده نشان می‌دهد که 13/7، 44/28، 13/37، 14/23، 27/3 درصد از مساحت منطقه به ترتیب در کلاس‌های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرارگرفته و در مدل شبکه عصبی مصنوعی به ترتیب 49/5، 61/32، 05/32، 22/23، 73/5 درصد از مساحت منطقه در کلاس‌های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرارگرفته است. UR - https://www.geomorphologyjournal.ir/article_78031.html L1 - https://www.geomorphologyjournal.ir/article_78031_094d802b0adb46dca38accb44bfef9a1.pdf ER -