1- گروه ژئومورفولوژی،دانشکده منابع طبیعی، دانشگاه کردستان. (نویسنده مسئول) 2- دانشگاه پیام نور، گروه جغرافیا. 3- دانشجوی کارشناس ارشد مخاطرات محیطی، دانشکده منابع طبیعی دانشگاه کردستان.
چکیده: (4551 مشاهده)
یکی از مخاطرات تهدیدکننده مردم نواحی کوهستانی، بهمن برفی است. در این مقاله به پهنهبندی بهمن به عنوان یک مخاطره با استفاده از شبکه عصبی مصنوعی و تحلیل سلسله مراتبی اقدام شده است. روش تحلیل سلسله مراتبی برای بهبود نمونه آموزش، در سیستم اطلاعات جغرافیایی انجامشده است. این روش در حوضه آبریز سیروان در جنوب غرب استان کردستان که از پتانسیل بالایی برای این مخاطره برخودارمیباشد، اعمال شد. برای این منظور ابتدا از گذرگاههای که بهمن در آن اتفاق افتاده، بازدید میدانی به عمل آمد و مختصات آنها برداشت گردید. مطالعات کتابخانهای برای شناسایی معیارهای تأثیرگذار در این فرایند انجام گرفت بر اساس مطالعات، معیارهای زمینی شامل شیب، جهت شیب، ارتفاع، تحدب و تقعر، فاصله از جاده و کاربری اراضی انتخاب شدند. نقشه حاصل از روش تحلیل سلسله مراتبی طبقهبندی و از هر طبقه 20 نمونه برای آموزش شبکه عصبی بکار گرفته شد. شبکه عصبی پرسپترون برای ارزیابی این متغیرها با ساختار شش لایه ورودی، یک لایه پنهان و شش گره در هر دولایه با نرخ یادگیری01/ با دو تابع سیگموئید و خطی بهعنوان ساختار بهینه با آزمونوخطا پذیرفته شد. بررسی این متغیرها با استفاده از شبکه عصبی نشاندهنده آن است که بیش از 86 درصد از منطقه موردمطالعه جزء مناطق باقابلیت بهمنخیزی بالا است. بهمنظور صحتسنجی این مدلها از دادههای مشاهدهای موجود استفادهشده که حاکی از موفقیت و کارایی هر دو تابع با اولویت اندک تابع خطی میباشد.
nayyeri H, karami M R, charehkhah B. Zoning avalanche-prone sirvan basin with the combination of hierarchical analysis and artificial neural networks. جغرافیایی 2018; 18 (61) :203-219 URL: http://geographical-space.iau-ahar.ac.ir/article-1-2316-fa.html
نیری هادی، کرمی محمد رضا، چاره خواه بهرام. پهنهبندی گذرگاههای بهمنخیز حوضه سیروان با تلفیق مدل تحلیل سلسله مراتبی و شبکههای عصبی مصنوعی. فضای جغرافیایی. 1397; 18 (61) :203-219