مشخصات پژوهش

صفحه نخست /کاربرد الگوریتم های یادگیری ...
عنوان کاربرد الگوریتم های یادگیری ماشین در پیشبینی تاب آوری جوامع در معرض وقوع زمین لغزش (مطالعه موردی: جاده کامیاران ـ مریوان)
نوع پژوهش پایان نامه
کلیدواژه‌ها مخاطرات محیطی، زمین لغزش، تاب آوری، جوامع روستایی، الگوریتم های یادگیری ماشین.
چکیده زمین لغزش یکی از مهم‌ترین مخاطرات طبیعی است که با وقوع آن خسارات مختلفی اقتصادی، اجتماعی و زیست-محیطی بروز پیدا می‌کند. در این میان جوامعی که به لحاظ تاب‌آوری از ظرفیت بالاتری برخوردار باشند، خسارات کمتری را در برابر زمین لغزش متحمل می‌گردند. از این رو شناسایی تعیین‌کننده‌های تاب آوری گام مهمی در راستای ارتقای سطح تاب آوری و کاهش خسارات ناشی از وقوع زمین لغزش است. در مجاورت جاده ارتباطی کامیاران ـ مریوان چندین سکونتگاه روستایی قرار گرفته است که در معرض خطر بسیار زیاد زمین لغزش قرار دارند. با توجه اهمیت مبحث تاب‌آوری در کاهش خسارات ناشی از وقوع زمین لغزش، بررسی وضعیت تاب‌آوری جوامع محلی ساکن در این روستاها و پیشبینی عوامل موثر بر تاب‌آوری آن‌ها در برابر زمین لغزش، هدف اصلی پژوهش حاضر است که به صورت مطالعه موردی در میان ساکنان چهار روستا (روستاهای کاشتر، دگاگاه، تفین و مازی‌بن) انجام گرفته است. جامعه آماری پژوهش شامل 513 نفر سرپرست خانوار روستایی است که در میان آن‌ها، 150نفر به عنوان نمونه آماری در نظر گرفته شده‌اند. ابزار اصلی برای گردآوری داده‌ها، پرسشنامه محقق ساخته است که روایی و پایایی آن تأیید شده است. برای تجزیه و تحلیل داده‌ها از نرم‌افزار SPSS و الگوریتم‌های یادگیری ماشین استفاده شده است. نتایج پژوهش نشان داد تاب‌آوری جامعه محلی در سطوح بسیار کم، کم، متوسط، زیاد و بسیار زیاد به‌ترتیب 4 درصد، 3/31 درصد، 3/35 درصد، 7/18 درصد و 7/10 درصد بوده است. نتایج بررسی اهمیت فاکتورهای اثرگذار بر تاب‌آوری با استفاده از روش IGR نشان داد مهم‌ترین فاکتورهای اثرگذار بر تاب‌آوری در برابر زمین لغزش به ترتیب اهمیت عبارت‌اند از: رضایت شغلی، سازگاری با مخاطرات محیطی، شغل اصلی، مدیریت محلی و منطقه‌ای، عوامل نهادی ـ حمایتی، پیشامد اقتضایی، تحصیلات، سیاست‌های کشاورزی، درآمد خانوار، شغل فرعی و آسیب ناشی از مخاطرات محیطی. نتایج حاصل از مقایسه عملکرد الگوریتم‌های یادگیری ماشین برای پیش‌بینی تاب‌آوری در برابر زمین لغزش بر اساس معیارهای RMSE (خطای جذر میانگین مربعات) و ROC (مشخصه عملکرد سیستم) نشان داد در میان الگوریتم‌های مورد بررسی، الگوریتم LMT دارای بهترین عملکرد بوده است.
پژوهشگران عطااله شیرزادی (استاد راهنما)، هیمن شهابی (استاد راهنما)، داود جمینی (استاد مشاور)، سمیه کیانی ده کیانی (دانشجو)