کتاب کاربرد شبکه عصبی مصنوعی در پتانسیل یابی خطر زمین لغزش

کتاب کاربرد شبکه عصبی مصنوعی در پتانسیل یابی خطر زمین لغزش نوشتهٔ ایمانعلی بلواسی است و کلید پژوه آن را منتشر کرده است.

درباره کتاب کاربرد شبکه عصبی مصنوعی در پتانسیل یابی خطر زمین لغزش

زمین‌لغزه یا زمین‌لغزش یا رانش زمین به حرکت لایه‌های رسوبی غیر متراکم و متراکمی بر روی سطح شیب‌دار که ناپایدار شده‌اند، حال به دلایل متفاوت مانند زمین‌لرزه، وقوع باران‌های شدید یا سستی خاک در اثر فرایند راه‌سازی و جاده‌سازی به سمت پایین  می‌گویند. عامل حرکت تودهٔ رسوبی، نیروی جاذبه، زلزله، جاده‌سازی، باران شدید یا فشار منفذی سیالات، سبک‌سازی پایین دست توده و بسیاری عوامل دیگر است.

حرکت نزولی در رانش زمین ممکن است بسیار کند رخ دهد (تنها چند میلی‌متر در سال) یا با سرعت بسیار بروز کند و تأثیرات مصیبت‌باری به جای بگذارد. رانش زمین حتی می‌تواند در بستر دریا و زیر آب رخ دهد و امواج جزر و مد به وجود آورد که باعث تخریب در مناطق ساحلی شود. این رانش‌ها را رانش زمین زیردریایی می‌گویند. رانش زمین ممکن است به علت زلزله، فعالیت آتشفشانی، تغییرات آب‌های زیرزمینی، به‌هم‌خوردن یا تغییر شیب زمین رخ دهد. اما مهم‌ترین عامل دخیل در رانش زمین را می‌توان باران‌های سیل‌آسا دانست.

زمین‌لغزش به‌عنوان یکی از مخاطرات طبیعی در مناطق کوهستانی محسوب می‌شود که هرساله منجر به خسارات زیادی می‌شود. حوضهٔ آبریز دوآب الشتر با داشتن چهره‌ای کوهستانی و مرتفع و شرایط طبیعی مختلف دارای استعداد بالقوهٔ زمین‌لغزش است. هدف از کتاب کاربرد شبکه عصبی مصنوعی در پتانسیل یابی خطر زمین لغزش، پهنه‌بندی خطر زمین لغزش با استفاده از مدل شبکهٔ عصبی مصنوعی در حوضهٔ دوآب الشتر است. بدین منظور ابتدا پارامترهای مؤثر در وقوع زمین لغزش استخراج و سپس لایه‌های مربوطه تهیه شده است. در این کتاب، نقشهٔ پراکنش زمین‌لغزش‌های رخ‌داده‌شدهٔ حوضه تهیه شد. سپس با تلفیق نقشهٔ عوامل مؤثر بر لغزش با نقشهٔ پراکنش زمین‌لغزش‌ها، تاثیر هر یک از عوامل شیب، جهت شیب، سنگ‌شناسی، بارش، کاربری اراضی، فاصله از گسل و آبراهه در محیط نرم افزار ArcGIS سنجیده شد.

 در این پژوهش مدل شبکه عصبی مصنوعی با الگوریتم پس انتشار خطا و تابع فعال‌سازی سیگموئید به کار گرفته شد. ساختار نهایی شبکه دارای ۷ نرون در لایه ورودی، ۱۱ نرون در لایه پنهان و ۱ نرون در لایه خروجی شد. دقت شبکه در مرحله آزمایش ۹۳.۸۵ درصد محاسبه شد. پس از بهینه‌شدن ساختمان شبکه، کل اطلاعات منطقه در اختیار شبکه قرار گرفت. بر اساس پهنه‌بندی صورت‌گرفته با استفاده از مدل شبکهٔ عصبی مصنوعی به ترتیب ۴۴.۳۷، ۷.۴۵، ۸.۹۳، ۳۲.۴۹، ۶.۷۶ درصد از مساحت منطقه در کلاس‌های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار گرفته است.

خواندن کتاب کاربرد شبکه عصبی مصنوعی در پتانسیل یابی خطر زمین لغزش را به چه کسانی پیشنهاد می‌کنیم

این کتاب را به متخصصان حوزهٔ زمین‌شناسی پیشنهاد می‌کنیم.