چکیده:
ناپایداریهای دامنهای، مخاطرات مهمّی برای فعّالیّتهای انسانی هستند، این مخاطرات، در شیبهای طبیعی و یا شیبهایی که به دست انسان تغییر یافتهاند، اتّفاق میافتد. پژوهش حاضر با هدف شناسایی عوامل موثّر در ایجاد پدیدة ناپایداری دامنهای با استفاده از مدلهای آماری رگرسیون لجستیک و شبکة عصبی مصنوعی در حوضة سدّ ستارخان اهر انجام گردیده است. هدف از این پژوهش، تعیین مناطق دارای پتانسیل وقوع ناپایداری و نهایتا تهیّة نقشة پهنهبندی خطر با استفاده از مدلهای آماری برای منطقة مورد مطالعه است. بدین منظور، ابتدا مهمترین عوامل موثّر در زمینلغزش مانند شیب، جهت شیب، ارتفاع از سطح دریا، بارندگی، فاصله از جادّه، گسل و شبکة زهکشی، کاربری اراضی و سنگشناسی بررسی و خصوصیات هر یک از آنها شناسایی و با روش فازی، استانداردسازی گردیدند. مبنای استانداردسازی روش هیستوگرام با استفاده از قطع طبقات هر لایه با زمینلغزشهای رخداده بوده که پراکنش زمینلغزشها از طریق انجام عملیات میدانی و با استفاده از تصاویر ماهوارهای تهیّه و رقومی گردیده و به عنوان نقاط آموزشدهندة مدلها نیز مورد استفاده قرار گرفت. نتایج مدلها نشان داد درصد پهنههایی با خطر بسیار بالا در مدل شبکة عصبی و رگرسیون لجستیک به ترتیب 24/ 7% و 56/ 5% است که عمدتا محدودههای نزدیک به سدّ ستارخان را شامل میگردد. از لحاظ لیتولوژی، این مناطق در محدودههایی با میزان مقاومت پایین قرار گرفتهاند که روش آماری لجستیک نیز نشاندهندة تاثیر بسیار زیاد فاصله از گسل و لیتولوژی بر وقوع پدیدة لغزش در منطقة مورد مطالعه است. همچنین مقدار شاخص ROC برای مدلهای شبکة عصبی و رگرسیون لجستیک به ترتیب 85/ 0 و 81/ 0 به دست آمد؛ میتوان گفت روش شبکة عصبی، مدلی کارآمدتر جهت پهنهبندی وقوع زمینلغزش است؛ بنابراین، هرگونه برنامهریزی و ساخت و ساز میبایست ﻣﺘﻨﺎﺳﺐ ﺑﺎ ﺷﺮاﻳﻂ ژﺋﻮﻣﻮرﻓﻮلوژی و زمینشناسی منطقه باشد تا متحمّل حداقل خسارات جانی و مالی نگردد.
Slope instabilities are considered as one of the major dangers to human activities which occurred in natural slopes and the slopes made by humans. This study aimed to identify the factors affecting the occurrence of slope instability using logistic regression models and artificial neural network in Ahar Sattar khan dam basin. The results of statistical models to determine the potential areas of instability and ultimately create a hazard zonation map for the study area. In this regard، the most important factors in landslides such as slope، aspect، elevation، rainfall، distance from the road، fault and drainage، land use and exploration and peculiarities of each of them were identified. Standardization base of histogram model is by cutting the classes of each layer with occurred landslides. The models show that the very high-risk area in the neural network and logistic regression are 724 and 5/56 per cent respectively which cover the areas close to Sattar khan dam، mainly including the lithology of these areas located in the regions with lower resistance. Besides، Statistical methods Logistic prove that faults and lithology have an immense impact on the occurrence of landslide in this area. The ROC index value for neural network and logistic regression models are 0/85 and 0/81. So it can be said neural network model for zoning of landslides is more efficient، so any planning and construction must be compatible with the conditions of geomorphology and geology of the area leading to as least human and financial losses as possible.
خلاصه ماشینی:
"تحقیقات گسترده ای در ایران در زمینه مدل سازی خطر زمین لغزش ها انجـام شـده اسـت ؛ امـا دانـش اسـتفاده ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ 1- Varnes 2- Van Westen 3- Nefeslioglu 4- Analytical Hierarchy Process (AHP) 5- Weighted Linear Combination (WLC) 6- Ayalew & Yamagishi 7- Guzzetti 8- Carrara 9- Kavabata & Bandibas 10- Kanungo از روش های آماری جدید مانند رگرسیون لجستیک و شـبکه عصـبی بـه دلیـل مزیـت اسـتفاده از ایـن مـدل هـا، نسبت به سایر تحلیل های آماری است کـه نیـاز بـه فرضـیات کمتـر و عـدم نیـاز بـه وجـود توزیـع نرمـال میـان متغیرها، عدم لزوم رابطه خطی میان متغیر وابسته با متغیرهای مستقل است .
برای پهنه بندی خطر زمین لغزش می بایست لایه هـای عوامـل مـؤثر در وقـوع پدیـدة ناپایـداری دامنـه ای را تهیـه کرد؛ عوامل مؤثر با توجه به بررسی های صورت گرفته بالغ بـر ١٠ عامـل اصـلی اسـت کـه در ایـن پـژوهش بـرای ترسیم نقشه پهنه بندی و مناطق حساس منطقه مورد مطالعه در حوضـه اطـراف مخـزن سـد سـتارخان اهـر از دو روش شبکه عصبی مصنوعی و مدل رگرسیون لجستیک استفاده شده اسـت .
بـدین منظـور، پژوهش حاضر با استفاده از روش های رگرسیون لجستیک و شبکه عصبی مصنوعی در منطقه سد ستارخان اهـر بـا هـدف شناسایی مناطق با پتانسیل بالای زمین لغزش ، انجام شده است ؛ بـدین ترتیـب ، هـدف از ایـن مطالعـه ، شـناخت عوامل مؤثر در وقوع زمین لغزش های حوضه آبریز اطراف سد ستارخان اهر و تهیه نقشه پهنه بندی خطـر وقـوع آن است ضرایب به دست آمده از مدل ها بیانگر این است که وقوع زمـین لغـزش در منطقـه مورد مطالعه تحـت تـأثیر عوامل فاصله از رودخانه ، لیتولوژی ، فاصله از گسل ، شیب و جهت شیب زمین هستند."