<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Engineering Geology</title>
<title_fa>نشریه زمین شناسی مهندسی</title_fa>
<short_title>Journal of Engineering Geology</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jeg.khu.ac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2228-6837</journal_id_issn>
<journal_id_issn_online>2981-1600</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.22034</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1391</year>
	<month>1</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2012</year>
	<month>4</month>
	<day>1</day>
</pubdate>
<volume>5</volume>
<number>2</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>پهنه بندی خطر زمین لغزش با استفاده از شبکه عصبی مصنوعی مطالعه موردی: حوضه کشوری (نوژیان)</title_fa>
	<title>Landslide hazard zonation using artificial neural networks A case study: Keshvari watershed (Nozhiyan)</title>
	<subject_fa>مهندسی محیط زیست</subject_fa>
	<subject>Engineering  Ecosystem</subject>
	<content_type_fa>مقاله پژوهشی</content_type_fa>
	<content_type>Original Research</content_type>
	<abstract_fa>حوضه آبریز کشوری در جنوب شرقی شهر خرم آباد در استان لرستان قرار دارد. این حوضه از نظر تقسیم بندی زمین ساخت ایران در زاگرس چین خورده قرار می گیرد. با توجه به نوع سازند های زمین شناسی، وضعیت توپوگرافی و وسعت آن، این حوضه از پتانسیل لغزش بالایی برخوردار بوده و از نظر لغزشی ناپایدار است. در این تحقیق برای پهنه بندی خطر زمین لغزش در این حوضه از روش شبکه عصبی مصنوعی با ساختار پرسپترون چند لایه و الگوریتم یادگیری پس انتشار خطا استفاده شده است. نتایج بدست آمده از شبکه عصبی مصنوعی نشان دهنده ساختار نهایی 1-11-9 برای پهنه بندی خطر زمین لغزش در این حوضه است. بر اساس این پهنه بندی 81/23، 53/7، 49/6، 68/18، 47/43 درصد از مساحت منطقه به ترتیب در کلاس های خطر خیلی کم، کم، متوسط، زیاد و خیلی زیاد قرار گرفته است.</abstract_fa>
	<abstract>The Keshvari watershed is located at south east of Khorramabad city in Lorestan province. This area is one part of the folded Zagros zone based on structural geology classification. By consider the type of geological formations, topographic conditions and its area, this watershed is very unstable and capable for occurring landslide. In this study, artificial neural network (ANN) with structure of multi-layer percepteron and Back Propagation learning algorithm used for zonation of landslide risk. The results of ANN showed the final structure of 9-11-1 for zonation of landslide risk in Keshvari watershed. According this zonation, 23.81, 7.53, 6.49, 18.68 and 43.47 percent of area are located in very low, low, moderate, high and very high risk classes, respectively.</abstract>
	<keyword_fa>زمین لغزش , پهنه بندی , حوضه کشوری , شبکه عصبی مصنوعی ,</keyword_fa>
	<keyword>Landslide , zonation , Keshvari watershed , Artificial neural network , </keyword>
	<start_page>1269</start_page>
	<end_page>1286</end_page>
	<web_url>http://jeg.khu.ac.ir/browse.php?a_code=A-10-203-2&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>salman</first_name>
	<middle_name></middle_name>
	<last_name>soori</last_name>
	<suffix></suffix>
	<first_name_fa>سلمان</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>سوری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>soorisalman@yahoo.com</email>
	<code>1003194753284600194</code>
	<orcid>1003194753284600194</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>لرستان- کوهدشت- بخش رومشگان- روستای اسداباد</affiliation_fa>
	 </author>


	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>غلامرضا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>لشکری پور</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>lashkaripour@ferdowsi.um.ac.ir</email>
	<code>1003194753284600195</code>
	<orcid>1003194753284600195</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>دانشکده علوم - دانشگاه فردوسی مشهد</affiliation_fa>
	 </author>


	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>محمد</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>غفوری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>ghafoori@ferdowsi.um.ac.ir</email>
	<code>1003194753284600196</code>
	<orcid>1003194753284600196</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>دانشکده علوم - دانشگاه فردوسی مشهد</affiliation_fa>
	 </author>


	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>طاهر</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>فرهادی نژاد</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>farhadinejad@yahoo.com</email>
	<code>1003194753284600197</code>
	<orcid>1003194753284600197</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>سازمان مطالعات جهاد کشاورزی و منابع طبیعی</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
