شناسایی نواحی دارای پتانسیل بالای آتش‌سوزی با استفاده از شبکة عصبی و تصمیم‌گیری چندمعیاره

یونس جعفری گلدرق, علی محمد‌زاده, علی سرکارگر اردکانی

چکیده


آتش‌سوزی جنگل پدیده‌ای است که خسارت‌های مالی و برخی مواقع جان بسیار زیادی به بار می‌آورد. شناسایی و بررسی اثر پارامترهای مؤثر در وقوع آتش‌سوزی و مدل‌سازی آن‌ها در پیشگیری آتش‌سوزی و کاهش خسارت‌های ناشی از آن بسیار مفید است. در این تحقیق، با استفاده از روش‌های شبکه عصبی و تصمیم‌گیری چندمعیاره، مناطق دارای پتانسیل بالای آتش‌سوزی در استان گلستان شناسایی شده است. در روش پیشنهادی برای تهیة نقشة خطر آتش‌سوزی، ابتدا با استفاده از تصمیم‌گیری چندمعیاره نقشة خطر استاتیک و سپس از طریق شبکة عصبی مصنوعی، نقشة خطر دینامیک تهیه می‌شود. سرانجام از ترکیب این دو، نقشة خطر آتش‌سوزی به‌دست می‌آید که مقادیر هر پیکسل در آن بیانگر میزان احتمال وقوع آتش‌سوزی برای آن پیکسل است. برای ارزیابی مدل از داده‌های آتش‌سوزی ماه ژوئن سال 2005 استفاده شده است. مدل پیشنهادی درصدی از مساحت منطقه را به‌عنوان منطقة پرخطر شناسایی می‌کند. با توجه به این‌که درصد آتش‌سوزی اتفاق‌افتاده در آن منطقه نیز معلوم است، معیار دقت از تقسیم درصد آتش‌سوزی‌های رخ‌داده در منطقة پرخطر به درصد مساحت آن منطقه تعریف می‌شود. این معیار دقت برای نقشة استاتیک با وزن‌های یکسان پارامترها برابر 86/1 و در حالت استخراج وزن‌ها به روش AHP برابر 21/2 به‌دست آمد، که بیانگر بهبود دقت مدل از طریق روش AHP است. طبق نتایج مدل نهایی، حدود 49/70 درصد آتش‌سوزی‌ها در مناطقی که به‌عنوان مناطق پرخطر شناسایی شده، اتفاق افتاده است. در حالی‌که در مناطق بی‌خطر و کم‌خطر هیچ آتش‌سوزی اتفاق نیفتاده و در منطقة با خطر متوسط 51/29 درصد از آتش‌سوزی‌ها اتفاق افتاده است. همچنین معیار دقت برای مدل نهایی برابر 77/2 به‌دست آمده است.


تمام متن:

PDF

ارجاعات

  • در حال حاضر ارجاعی نیست.