استخدام الشبكات العصبية الاصطناعية في دراسة أخطار الانزلاقات الأرضية والتساقط الصخري في مديرية مسور-عمران
هدفت الدراسة إلى بناء نموذج مكاني باستخدام الشبكات العصبية الاصطناعية (ANN) للتنبؤ بأخطار الانزلاقات الأرضية والتساقط الصخري، وإنتاج خريطة القابلية لحدوثها في مديرية مسور بمحافظة عمران – اليمن، اعتمادًا على تقنيات نظم المعلومات الجغرافية (GIS).اعتمدت الدراسة على تحليل اثني عشر معيارًا جيولوجيًا وجيومورفولوجيًا وهيدرولوجيًا ومناخيًا وبيئيًا وبشريًا مؤثرًا في نشأة الأخطار، جُمعت البيانات المكانية، وجرى معالجتها وتحويلها إلى صيغة رقمية واحدة لاستخدامها في بناء النموذج؛ إذ قُسّمت قاعدة بيانات العينات إلى بيانات تدريب وتحقق واختبار، تحوي كل السجلات التاريخية والمشاهدات الميدانية لأخطار الانزلاق والتساقط الصخري، واستخدم النموذج طبقتين مخفيتين لتحقيق أفضل أداء تنبئيًا، وجرى تحويل مخرجاته إلى بيئة ArcGIS لإنتاج خريطة مكانية لقابلية التعرض للأخطار، أظهرت النتائج تصنيف منطقة الدراسة إلى خمس فئات من القابلية: منخفضة جدًا، منخفضة، متوسطة، عالية، وعالية جدًا؛ إذ تقع حوالي (30.44%) من المساحة ضمن الفئات ذات القابلية العالية إلى العالية جدًا، وأظهرت النتائج كفاءة مقبولة لنموذج الشبكة العصبية؛ إذ بلغت قيمة المساحة تحت منحنى (AUC = 0.68) ROC مما يدل على أن قدرات التنبؤ للنموذج جيدة، وبلغت الدقة الكلية (Accuracy= 0.72)، والدقة الإيجابية (0.714 Precision=)، بينما سجل مؤشر الاستدعاء (Recall= 0.50) ما يعكس كفاءة النموذج، وأظهرت الخريطة تطابقًا مع خريطة الأخطار السابقة، نستنتج أن الخريطة التي أُنتجت تتميز بالموثوقية في نمذجة الأخطار، وهنا تبرز أهمية دمج تقنيات التعلم الآلي مع نظم المعلومات الجغرافية لدعم التخطيط المكاني وإدارة المخاطر الطبيعية.
المقاييس
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
