Ανάπτυξη μοντέλων εκτίμησης της επιδεκτικότητας για εκδήλωση κατολίσθησης με τη χρήση μεθόδων γεωπληροφορικής και τεχνητής νοημοσύνης

 
This item is provided by the institution :
Harokopio University
Repository :
Library & Information Center ESTIA
see the original item page
in the repository's web site and access all digital files if the item*
share




2013 (EN)
Ανάπτυξη μοντέλων εκτίμησης της επιδεκτικότητας για εκδήλωση κατολίσθησης με τη χρήση μεθόδων γεωπληροφορικής και τεχνητής νοημοσύνης

Πολυκρέτης, Χρήστος

Ο κύριος σκοπός αυτής της εργασίας είναι να συγκρίνει τη χρήση του μοντέλου Δείκτη Επιδεκτικότητας Κατολισθήσεων (ΔΕΚ) και του μοντέλου Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ) για να χαρτογραφήσει την επιδεκτικότητα κατολισθήσεων σε μια αποτελούμενη από δύο λεκάνες απορροής περιοχή της Βόρειας Πελοποννήσου. Η σχέση μεταξύ των κατολισθήσεων και των διάφορων αιτιολογικών παραγόντων που συμβάλλουν στην εμφάνιση τους υπολογίστηκε χρησιμοποιώντας μια βασισμένη στα Συστήματα Γεωγραφικών Πληροφοριών (ΣΓΠ) ανάλυση. Ένας χάρτης απογραφής κατολισθήσεων ετοιμάστηκε χρησιμοποιώντας θέσεις κατολισθήσεων που εντοπίστηκαν από δορυφορικές εικόνες (Google Earth) και την υπάρχουσα βιβλιογραφία. Αιτιολογικοί παράγοντες όπως η κάλυψη γης, η γεωλογία, η απόσταση από το οδικό δίκτυο, η απόσταση από το υδρογραφικό δίκτυο, η απόσταση από τα ρήγματα, το υψόμετρο, η κλίση και η έκθεση του αναγλύφου, υπεύθυνοι για την εμφάνιση των κατολισθήσεων, λήφθηκαν υπόψη και εισήχθησαν ως ψηφιδωτά επίπεδα δεδομένων στο ArcGIS. Χάρτες επιδεκτικότητας κατολισθήσεων δημιουργήθηκαν χρησιμοποιώντας κάθε μία από τις δύο μεθόδους και έπειτα συγκρίθηκαν και επικυρώθηκαν. Οι χάρτες επιδεκτικότητας κατολισθήσεων που κατασκευάστηκαν ταξινομήθηκαν σε πέντε ζώνες επιδεκτικότητας: πολύ χαμηλή, χαμηλή, μέτρια, υψηλή και πολύ υψηλή. Η ακρίβεια των μοντέλων μετρήθηκε προσαρμόζοντας τα σε ένα σύνολο επικύρωσης των παρατηρημένων κατολισθήσεων. Για τη διαδικασία επικύρωσης, οι καμπύλες ROC σχεδιάστηκαν και οι τιμές AUC υπολογίστηκαν. Σύμφωνα με τις τιμές AUC 0,852 και 0,842 για τον Δείκτη Επιδεκτικότητας Κατολισθήσεων και τα Τεχνητά Νευρωνικά Δίκτυα, αντιστοίχως, ο Δείκτη Επιδεκτικότητας Κατολισθήσεων διαπιστώθηκε να είναι πιο ακριβής μέθοδος από την άλλη χρησιμοποιούμενη μέθοδο χαρτογράφησης επιδεκτικότητας κατολισθήσεων. Παρ’ όλα αυτά, με βάση αυτά τα αποτελέσματα, και τα δύο μοντέλα μπορούν να χρησιμοποιηθούν για να μετριάσουν κινδύνους που σχετίζονται με κατολισθήσεις και να βοηθήσουν στο σχεδιασμό των χρήσεων γης.

postgraduate_thesis
Μεταπτυχιακή Εργασία (EL)
Postgraduate Thesis (EN)

Landslides
Νευρωνικά δίκτυα (Επιστήμη των υπολογιστών)
Κατολισθήσεις
Geomatics
Γεωπληροφορική
Γεωγραφικά συστήματα πληροφοριών
Neural networks (Computer science)
Geographic information systems

Χαροκόπειο Πανεπιστήμιο (EL)
Harokopio University (EN)

2013-03-26


Αναφορά Δημιουργού – Μη Εμπορική Χρήση – Όχι Παράγωγα Έργα 4.0



*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)