fa پهنه‌بندی خطر زمین‌لغزش در حوضۀ آبخیز طالقان با استفاده از روش سیستم‌های هوشمند (روش شبکۀ عصبی مصنوعی مبتنی بر توابع پایه‌ای گوسی و شبکۀ عصبی پرسپترون) ژئوتکنیک (مکانیک خاک و سنگ) Geotecnic مقاله پژوهشی Original Research <p dir="RTL" style="margin-right: 1cm; text-align: justify; ">زمین&shy;لغزش&shy;ها هر سال خسارت&shy;های مالی و جانی زیادی به‌بار می&shy;آورند. نقشه&shy;های پهنه‌بندی خطر زمین&shy;لغزش می&shy;توانند به کاهش این خسارت&shy;ها کمک کنند. حوزۀ آبخیز طالقان از جمله&shy; حوزه&shy;های مستعد زمین&shy;لغزش است که بررسی شده است. در این مقاله به پهنه&shy;بندی خطر زمین&shy;لغزش در این منطقه و در مقیاس 50000/1، و با در نظر داشتن لایه&shy;های اطلاعاتی پراکندگی لغزش&shy;ها، شیب، برای شیب، زمین‌شناسی (لیتولوژی)، فاصله از گسل&shy;ها، فاصله از آبراهه&shy;ها، با روش شبکه&shy;های عصبی مصنوعی مبتنی بر توابع پایه&shy;ای گوسی (<span dir="LTR">RBF</span>) و شبکه‌های عصبی پرسپترون (<span dir="LTR">MLP</span>) می‌پردازیم. کلیات روش <span dir="LTR">RBF</span> تا حدود زیادی مشابه شبکه&shy;های عصبی پرسپترون (<span dir="LTR">MLP</span>) است که تا کنون قابلیت آن مشخص شده&shy; است و چندین تفاوت ساختاری در مؤلفه&shy;ها بین این دوروش شبکۀ عصبی وجود دارد. از نتایج نهایی مشخص شد که نقشه‌های حاصل از هر دو روش قابل قبول هستند و روش <span dir="LTR">MLP</span> دقت بیش‌تری نسبت به‌روش <span dir="LTR">RBF</span> دارد.</p> <p dir="ltr" style="text-align: justify; ">Landslides are natural hazards that make a lot of economical and life losses every year. Landslide hazard zonation maps can help to reduce these damages. Taleghan watershed is one the susceptible basin to landslide that has been studied. In this paper, landslide hazard zonation of the study area is performed at a scale of 1:50,000. To achieve this aim, layers information such as landslides distribution, slope, aspect, geology (lithology), distance from the faults and distance from rivers using artificial neural network-based Radial Basis Function (RBF) and perceptron neural network (MLP), has been studied. Principal of RBF method is similar to perceptron neural network (MLP), which its ability somewhat has been identified up to now and there are several structural differences between these two neural networks. The final results showed that the maps obtained from both methods are acceptable but the MLP method has a higher accuracy than the RBF method.</p> پهنه‌بندی خطر زمین‌لغزش, طالقان, سیستم‌های هوشمند, شبکه‌های عصبی مصنوعی مبتنی بر توابع پایه‌ای گوسی, شبکه‌های عصبی مصنوعی پرسپترون, RBF, MLP Landslide hazard zonation, Taleghan, intelligent systems, artificial neural network, artificial neural networks, Perceptron, RBF, MLPLandslide hazard zonation, Taleghan, intelligent systems, artificial neural network, artificial neural networks, Perceptro 3601 3626 http://jeg.khu.ac.ir/browse.php?a_code=A-10-515-1&slc_lang=fa&sid=1 N Salimi نرگس سلیمی Narges.salimi69@gmail.com 10031947532846003549 10031947532846003549 Yes دانشگاه خوارزمی، دانشکده علوم زمین، M FatemiAghda سید محمود فاطمی عقدا 10031947532846003550 10031947532846003550 No دانشگاه خوارزمی، دانشکده علوم زمین، M Teshnehlab محمد تشنه لب 10031947532846003551 10031947532846003551 No دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده مهندسی برق Y Sharafi یوسف شرفی 10031947532846003552 10031947532846003552 No دانشگاه آزاد اسلامی تهران، واحد علوم وتحقیقات، گروه کامپیوتر