کاربرد انواع روش یادگیری ماشین درتهیه نقشه حساسیت زمین لغزش در علوم محیطی
محل انتشار: اولین کنفرانس هوش مصنوعی و پردازش هوشمند
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 232
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISC01_007
تاریخ نمایه سازی: 16 آبان 1401
چکیده مقاله:
یادگیری ماشین، مجموعه ای از الگوریتم هایی است با این امکان که با استفاده از داده های موجود، الگوهای آماری را بدون برنامه نویسی، صریح بیاموزد. یادگیری ماشین کاربردهای بسیاری در علوم محیطی برای حل مسائل غیرخطی در مقیاس بزرگ نظیر تهیه نقشه حساسیت زمین لغزش دارد. هدف از انجام پژوهش حاضر، شناخت کاربردهای روش یادگیری ماشین در علوم محیطی (زمین لغزش) با استفاده از مرور و تحلیل مطالعات پیشین است. در این راستا، مطالعات صورت گرفته در رابطه با انواع روش های یادگیری ماشین در تهیه نقشه حساسیت زمین لغزش و بررسی عملکرد آن ها با استفاده از منحنی مشخصه عملکرد (ROC)، در مناطق مختلف مورد بررسی قرار گرفت. نتایج حاصل از بررسی منابع پیشین نشان داد، روش یادگیری ماشین دقت بیشتری نسبت به روش های آماری در پیش بینی دارد و می تواند عملکرد عالی در کشف روند پنهان و الگوهای ناشناخته ایجاد کند. هم چنین نتایج به دست آمده از بررسی مطالعات صورت گرفته در رابطه با منحنی مشخصه عملکرد (ROC) نشان داد شاخص کیفیت عالی، خوب، نسبتا خوب، ضعیف و عدم موفقیت برای ارزیابی پیش بینی به ترتیب در محدوده های ۱-۹/۰، ۹/۰-۸/۰، ۸/۰-۷/۰، ۷/۰- ۶/۰ و ۶/۰-۵/۰ قرار دارد. بنابراین با ارتباط دادن الگوریتم های یادگیری ماشین می توان دقت پیش بینی و مدل سازی را در تهیه نقشه حساسیت زمین لغزش افزایش داد.
کلیدواژه ها:
نویسندگان
دانیال صیاد
دانش آموخته دکتری علوم و مهندسی آبخیزداری-آب، دانشکده منابع طبیعی و علوم زمین دانشگاه کاشان
هدی قاسمیه
دانشیار علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم زمین دانشگاه کاشان
زهرا ناصریان اصل
دانشجو دکتری علوم و مهندسی آبخیز- حفاظت آب و خاک، دانشکده منابع طبیعی و علوم زمین دانشگاه کاشان