مروری بر مهم ترین روشهای نوین پهنه بندی خطر زمین لغزش


خلاصه مقاله

بلایای طبیعی هر سال خسارات زیادی به منابع مالی و انسانی در سراسر دنیا وارد می‌سازند. یکی از دغدغه‌های بشر از بدو خلقت چگونگی مقابله با این حوادث بوده است. به‌تدریج و با پیشرفت علوم گوناگون رویکردی که تنها به چگونگی جان سالم به در بردن از حوادث معطوف بود؛ به چگونگی پیشگیری و به حداقل رساندن خسارات و نحوه از درگیری زندگی عادی پس از یک حادثه تغییر یافت. یکی از حوادثی که همه‌ساله به سبب شرایط گوناگون زمین‌شناسی و اقلیمی در کشور خود با آن مواجه هستیم؛ زمین‌لغزش است. زمین‌لغزش‌ها که عمدتاً رویکرد منفی داشته و برای جوامع تهدید محسوب می‌شوند نیاز به مدیریت صحیح در مراحل پیش؛ حین و پس از وقوع دارند. در این نوشتار کوشیده شده است تا با بررسی مفاهیم اولیه زمین‌لغزش و زلزله، مروری اجمالی بر مبانی نظری پایداری دامنه‌ها، بررسی انواع حرکات دامنه‌ها، ذکر مبانی روش‌های نوین پهنه‌بندی خطر زمین‌لغزش و بررسی روش‌ها و رویکردهای پهنه‌بندی خطر و انتخاب بهینه این روش‌ها پرداخته شد. برخی طبقه‌بندی‌های یادشده تنها متکی به دانش کارشناس بوده و در برخی از آن‌ها مانند شبکه‌های عصبی مصنوعی و ماشین بردار پشتیبان تحلیل وضعیت با توجه به داده‌های قبلی و بر پایه استخراج روابط میان داده‌ها صورت می‌گیرد. علی‌رغم گسترش نسبتاً خوب به‌کارگیری انواع شبکه‌های عصبی، قابلیت‌های الگوریتم ماشین بردار پشتیبان در طبقه‌بندی داده‌های مرتبط با علوم زمین در سطح دنیا کم‌تر از سایر روش‌ها به کار گرفته شده است. روش‌های نوین ذکرشده هرکدام دارای نقاط قوت و ضعفی هستند که در انتخاب روش مطلوب باید مؤلفه‌های مختلفی را در نظر گرفت، اما آنچه مسلم است، همه این روش‌ها قادرند تا با حداقل داده‌ها و هزینه‌ها و در زمانی بسیار کم، نتایجی با صحت و دقت بالا را ارائه نمایند.

کلمات کلیدی

زمین‌لغزش، پهنه‌بندی خطر، الگوریتم ماشین بردار پشتیبان، شبکه‌ عصبی مصنوعی، تحلیل سلسله مراتبی

مروری بر مهم ترین روشهای نوین پهنه بندی خطر زمین لغزش


نویسندگان

امیرمحمد ابهری

ایمیل: abhary.m@aut.ac.ir
وابستگی سازمانی: دانشجوی کارشناسی ارشد مهندسی معدن٬ اکتشاف، دانشگاه صنعتی امیرکبیر

حسین حسنی

ایمیل: hhassani@aut.ac.ir
وابستگی سازمانی: دانشیار دانشکده مهندسی معدن و متالورژی، دانشگاه صنعتی امیرکبیر

مروری بر مهم ترین روشهای نوین پهنه بندی خطر زمین لغزش


منابع

[1] ع. کرم, مدلسازی کمی پهنه بندی خطر زمین لغزش در زاگرس چین خورده (مطالعه موردی حوضه آبخیزسرخون استان چهارمحال و بختیاری). رساله دکتری دانشگاه تربیت مدرس؛ بهار 1380.

[2] م. شریعت جعفری, زمین لغزش (مبانی و اصول پایداری شیب‌های طبیعی). انتشارات سازه، چاپ نهضت,1375.

[3] ع. اشقلي فراهاني, “پايان نامه كارشناسي ارشد زمي نشناسي مهندسي، ارزيابي خطرناپايداري دامن ههاي طبيعي در منطقه رودبار با استفاده از تئوري فازي,” دانشگاه تربيت معلم تهران, p. 142ص-142ص, 1380.

[4] ا. افلاكي, “آزمايشگاه مكان كي خاك,” انتشارات علم وصنعت, p. 156ص-156ص, 1368.

[5] س. ح. قدسی پور, “فرآیند تحلیل سلسله مراتبی,” انتشارات دانشگاه صنعتی امیرکبیر, vol. 1, no. 10, p. 232ص-232ص, 1391.

[6] م. ب. منهاج, “مبانی شبكه های عصبی,” دانشگاه اميركبير, vol. 1, 1379.

[7]          USGS, “Landslide Types and Processes,” Highw. Res. Board Spec. Rep., no. July, pp. 1–4, 2004.

[8]           E. Albayrak  Erensal, Y. C, “Using analytichierarchy process(AHP) to improve human performance: Anapplication of multiple criteria decision making problem,” J. Intell. Manuf., vol. 15, pp. 491–503, 2004.

[9]           C. Macharis  Springael, J., Brucker, K. D., and Verbeke, A, “PROMETHEE and AHP: The design of operational synergies inmulticriteria analysis. StrengtheningPROMETHEEwith ideas of AHP,” Eur. J. Oper. Res., vol. 153, pp. 307–317, 2004.

[10]         C. J. Van Westen  Van Duren, I., Kruse, H. M. G. & Tercien, M. T. G, “GISSIZ,” ITC Pub, vol. 15, p. 245pp–245pp, 1993.

[11]         S. Lee  kyungduck, M., “Statistical analysis of landslide susceptibility at Yonging,” Korea. Enviromented Geol., vol. 40, pp. 1095–1113, 2001.

 [12]        K. J. Yin  Yan, T. Z., “Statistical prediction model for slope instability of metamorphosed rocks,” Proc. 5th Int. Symp. Landslides, Lausanne, Switserl., vol. 2, pp. 1269–1272, 1988.

[13]         C. J. Van Westen  Rangers, N., Terlien, M. T. J. and Soeters, R, “prediction of the Occurrence of slope Instability Phenomena through GISBased Hazard Zonation,” Resived 21 july.Accepted; 10 Janouvary. Instab. Zo. Part1 Exerc. ITC, Publ. Number15, 1996.

[14]         C. J. Van Westen  Rengers, N., Terline, M. T. J. and Soeters, R, “Predication of the occurrence of slope nstability phenomena through GIS – based hazard zonation,” Geol. Rundschav, vol. 86, pp. 404–414, 1997.

[15]         C. J. Van Westen  Rengers, N., Terline, M. T. J. and Soeters, R., “Predication of the Occurrence of slope Instability Phenomena through GIS-Based Hazard Zonation,” Geol. Rundschau, vol. 86, pp. 404–414, 1997.

[16]         C. J. Van Westen  Van Duren, I., Kruse, H. M. G. & Tercien, M. T. G, “GISSIZ,” ITC Pub, vol. 15, p. 245pp–245pp, 1993.

[17]         S. Lee  kyungduck, M., “Statistical analysis of landslide susceptibility at Yonging,” Korea. Enviromented Geol., vol. 40, pp. 1095–1113, 2001.

 [18]        T. L. Saaty, “The Analytic Hierarchy Process,” New York McGraw Hill. Int., 1980.

[19]         M. A. Badri, “A combined AHP-GP model for quality control systems,” Int. J. Prod. Econ., vol. No.72, pp. 27–40, 2001.

[20]         M. Dagdeviren, “Decisionmaking in equipment selection: an integratedapproachwithAHPandPROMETHEE,” J. Intell. Manuf., vol. 19, pp. 397–406, 2008.

[21]         E. Albayrak  Erensal, Y. C, “Using analytichierarchy process(AHP) to improve human performance: Anapplication of multiple criteria decision making problem,” J. Intell. Manuf., vol. 15, pp. 491–503, 2004.

[22]         C. Macharis  Springael, J., Brucker, K. D., and Verbeke, A, “PROMETHEE and AHP: The design of operational synergies inmulticriteria analysis. StrengtheningPROMETHEEwith ideas of AHP,” Eur. J. Oper. Res., vol. 153, pp. 307–317, 2004.

 [23]        V. N. Vapnik, “The Nature of Statistical Learning Theory. Springer Verlag, New York. Xu. C., F. Dai., X. Xu., Y. Lee,” 2012.

 [24]        X. Yao  Tham, L.G., Dai, F.C., “Landslide susceptibility mapping based on Support Vector Machine: a case study on natural slopes of Hong Kong,” China. Geomorphol., vol. 101, pp. 572–582, 2008.

[25]         B. Scholkoph  Smola, A.J., Williamson, R.C., Bartlett, P.L., “New support vector algorithms,” Neural Comput., vol. 12, pp. 1207–1245, 2000.

[26]         T. Hastie  Tibshirani, R., Friedman, J.H., “The Elements of Statistical Learning: Data Mining,” Inference Predict. Springer Verlag, New York, 2001.

[27]         T. Andes. Abstracts of 15th International Conference on Geomorphology  Japan, 23–28 August, “Trans. Japan. Geomorph. Uni,” vol. 22, no. 4, p. C-76, 2001.

 [28]        K. T. Gomez H.  Mather, P, “Artificial neural network application in landslide hazard zonation in the Venezuelan,” 2002.

 

 

مروری بر مهم ترین روشهای نوین پهنه بندی خطر زمین لغزش


نحوه ارجاع دادن

ونکور

ابهری ا, حسنی ح. مروری بر مهم ترین روشهای نوین پهنه بندی خطر زمین لغزش. فصل‌نامه بلور. 2017; 19(38):35-42


آپا

ابهری, ا., & حسنی, ح. (2017). مروری بر مهم ترین روشهای نوین پهنه بندی خطر زمین لغزش. فصل‌نامه بلور, 19(38), 35-42.


شیکاگو

امیرمحمد ابهری, و حسین حسنی "مروری بر مهم ترین روشهای نوین پهنه بندی خطر زمین لغزش". فصل‌نامه بلور 19, شماره. 38 (2017).

مروری بر مهم ترین روشهای نوین پهنه بندی خطر زمین لغزش


اشتراک گذاری

بر روی آیکون شبکه اجتماعی که می‌خواهید این مقاله را در آن به اشتراک بگذارید کلیک کنید.