ارزیابی پتانسیل روان‌گرایی خاک در اثر وقوع زمین‌لرزه بااستفاده از چند الگوریتم طبقه‌بندی هوشمند در نرم‌افزار Orange

Abstract

یکی از پیامدهای احتمالی وقوع زمین‌لرزه در زمین‌های اشباع، روان‌گرایی خاک و در نتیجۀ آن شکست و خرابی فونداسیون ساختمان‌ها، انواع زیرساخت‌ها، پل‌ها و بسیاری فجایع دیگر می‌باشد. در این تحقیق سعی شد به‌منظور ارزیابی پتاسیل روان‌گرایی خاک برروی ۷۹ نمونه از پایگاه دادۀ زلزلۀ تنگشان کشور چین، چند مدل طبقه‌بندی هوشمند با کمک نرم‌افزار Orange ساخته شود. به همین منظور عملکرد 5 روش طبقه‌بندی هوشمند (رگرسیون لاجستیک، شبکۀ عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM)، نزدیک‌ترین همسایگی(KNN) و جنگل تصادفی) براساس معیارهای مختلف با هم مقایسه شدند. نتایج نشان داد روش‌های SVM، ANN و رگرسیون لاجستیک از توانایی بالایی برای پیش‌بینی کلاس روان‌گرایی خاک برخوردار هستند و در بین آنها روش رگرسیون لاجستیک با مقدار شاخص AUC (۹۸/۰) به‌عنوان بهترین روش انتخاب شد. علاوه‌بر این، بررسی تأثیرگذاری متغیرها بااستفاده از چهار معیار بهرۀ اطلاعاتی، بهرۀ اطلاعاتی نسبی، شاخص جینی و شاخص ReliefF بیانگر این است که متغیر مقاومت نوک مخروط در آزمایش نفوذ مخروطی مؤثرترین روش است و در اولویت اول قرار می‌گیرد. هم‌چنین متغیرهای نسبت تنش تناوبی و حداکثر شتاب افقی زلزله در سطح زمین ویژگی‌های مهمی‌ به‌حساب می‌آیند.