دانش رسان |
مرکز علم و دانش کشور ارزیابی دقت روشهای رگرسیون لجستیک و شبکه عصبی مصنوعی MLP) در پهنه بندی خطر ناپایداریهای دامنهای در جادههای کوهستانی مطالعه موردی: تنگه دره دیز
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
ارزیابی دقت روشهای رگرسیون لجستیک و شبکه عصبی مصنوعی MLP) در پهنه بندی خطر ناپایداریهای دامنهای در جادههای کوهستانی مطالعه موردی: تنگه دره دیز دارای ۲۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد ارزیابی دقت روشهای رگرسیون لجستیک و شبکه عصبی مصنوعی MLP) در پهنه بندی خطر ناپایداریهای دامنهای در جادههای کوهستانی مطالعه موردی: تنگه دره دیز کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی ارزیابی دقت روشهای رگرسیون لجستیک و شبکه عصبی مصنوعی MLP) در پهنه بندی خطر ناپایداریهای دامنهای در جادههای کوهستانی مطالعه موردی: تنگه دره دیز،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن ارزیابی دقت روشهای رگرسیون لجستیک و شبکه عصبی مصنوعی MLP) در پهنه بندی خطر ناپایداریهای دامنهای در جادههای کوهستانی مطالعه موردی: تنگه دره دیز :
تعداد صفحات :۲۶
چکیده مقاله:
تنگه دره دیز یکی از مخاطرهآمیزترین تنگههای استان آذربایجانشرقی، از لحاظ وقوع ناپایداری- های دامنهای است. با توجه به انطباق این تنگه با تنها جاده ارتباطی شهرستان مرند – جلفا، یکی از بهترین راههای نگهداری وحفظ امنیت این مسیر، شناسایی مناطق و نقاط بحرانی و به عبارتی پهنهبندی خطر وقوع ناپایداری دامنهای در این تنگه است. در این راستا، در پژوهش حاضر، دو روش رگرسیون لجستیک و شبکه عصبی مصنوعی پرسپترون چند لایه MLP) جهت پهنه بندی خطر ناپایداری های دامنه ای در محدوده مورد مطالعه مورد استفاده قرار گرفت و میزان کارایی هر یک از دو روش به صورت کمی ارزیابی گردید. در این خصوص، در ابتدا دادههای مورد نیاز جمعآوری و پردازش گردیده و سپس لایههای اطلاعاتی لازم در محیط GIS تهیه گردیده و سپس نقشه پهنه بندی خطر ناپایداری در نرمافزار IDRISI و در محیط شبکه عصبی مصنوعی پرسپترون چندلایه MLP) با ساختار ۱-۱۰-۱۵ و رگرسیون لجستیک تهیه گردیده و مناطق مستعد وقوع خطر ناپایداریهای دامنهای در محدوده مورد مطالعه در پنج کلاس خطربسیاربالا، بالا، متوسط، پایین و بسیارپایین مشخص شد. بر طبق نتایج حاصل از میان دو روش فوق الذکر، روش شبکه عصبی مصنوعی پرسپترون چند لایه دارای کارایی بهتری نسبت به روش رگرسیون لجستیک در شناسایی مناطق خطرمی باشد و عواملی مانند شیب و فاصله از گسل مهمترین عوامل تاثیر گذار در وقوع ناپایداریهای دامنهای در تنگه دره دیز و در نهایت عامل ناامنی هر چه بیشتر جاده می باشند.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
