جلد 1، شماره 2 - ( 6-1382 )
جلد 1 شماره 2 صفحات 193-179 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Landslide Hazard Zonation Using Artificial Neural Network in the Talesh Area. Journal of Engineering Geology 2003; 1 (2) :179-193
URL: http://jeg.khu.ac.ir/article-1-310-fa.html
URL: http://jeg.khu.ac.ir/article-1-310-fa.html
پهنه‌بندی خطر رانش زمین در منطقه طالش با استفاده از سیستم‌های هوشمند (شبکه‌های عصبی مصنوعی پرسپترون). نشریه زمین شناسی مهندسی. 1382; 1 (2) :179-193
پهنه‌بندی خطر رانش زمین در منطقه طالش با استفاده از سیستم‌های هوشمند (شبکه‌های عصبی مصنوعی پرسپترون)
چکیده: (6725 مشاهده)
با توجه به توانایی‌های شبکه‌های عصبی مصنوعی، کاربرد آن‌ها در رشته‌های مختلف مهندسی و علوم زمین گسترش قابل ملاحظه‌ای داشته است. در این مقاله کاربرد شبکه‌های عصبی مصنوعی در زمین شناسی مهندسی و در پیش بینی خطر زمین لغرش‌های منطقه طالش مورد بررسی قرار گرفته است. نتایج بررسی‌ها نشان می‌دهد که مدل تهیه شده براساس پارامترهای ورودی مؤثر در وقوع زمین لغزش قادر خواهد بود اطلاعات ورودی را پردازش و خطر زمین لغزش را به عنوان خروجی شبکه عصبی اعلام کند. با توجه به نقشه پهنه‌بندی خطر زمین‌‌لغزش منطقه که با استفاده از این سیستم تهیه گردیده است, منطقه طالش جزء مناطق پر خطر از نظر رانش زمین محسوب می‌شود. و مهم‌ترین عوامل موثر در ناپایداری شیب‌های منطقه تغییرات کاربری اراضی، از بین رفتن پوشش گیاهی، زیر شویی دامنه‌ای، فرسایش حاشیه رودخانه‌ها و فعالیت‌های تکتونیکی هستند
پذیرش: 1395/7/14 | انتشار: 1395/7/14
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
