Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightSonuç olarak,regresyon ağaçları yönteminin çok değişkenli konumsal verilerin modellenmesinde etkin bir yaklaşım olduğu belirlenmiştir.
📌 3 Maddede Bu Makale
Özet
Heyelan duyarlılık haritalarının üretilmesi ve heyelan riski taşıyan alanların belirlenmesi afet planlamaları için kritik bir işlem adımıdır. Üretilen haritaların doğruluğu can ve mal kayıplarının azaltılması açısından büyük önem arz etmektedir. Heyelan riski taşıyan alanların belirlenmesi yeryüzünün farklı özelliklerini gösteren katmanların bir arada değerlendirilmesini gerektirmektedir. Bu amaçla, günümüze kadar duyarlılık haritalarının doğruluğunun artırılmasına yönelik birçok algoritma geliştirilerek uygulamalarda kullanılmıştır.Heyelan duyarlılık haritalarının oluşturulmasında son yıllarda kullanılan regresyon ağaçları,akış şemaları na benzeyen yapılarıyla birçok regresyon probleminde başarıyla kullanılmıştır.Bu çalışmada,Trabzon iline ait litoloji, eğim, arazi örtüsü, bakı , yükseklik ve yol ağı katmanlarından faydalanılarak regresyon ağaçları yönteminin heyelan risk potansiyelinin analizindeki etkinliği araştırılmıştır. Yöntemin performansı literatürde yaygın olarak kullanılan lojistik regresyon modeli ile karşılaştırılmıştır. Bu çalışmada üretilen sonuçlar,regresyon ağaçları ile üretilen duyarlılık haritasının doğruluğunun lojistik regresyon yöntemiyle üretilene göre %5 daha yüksek olduğunu göstermiştir. Sonuç olarak,regresyon ağaçları yönteminin çok değişkenli konumsal verilerin modellenmesinde etkin bir yaklaşım olduğu belirlenmiştir.
Abstract
Producing landslide susceptibility maps and identifying the areas having landslide risk potential is a critical step for disaster planning. The accuracy of the produced thematic maps is important for reducing the losses of life and property. Determination of potential landslide areas requires a combination of various layers describing features of the land surface. For this purpose, many algorithms have been developed and applied in the literature so as to increase the accuracy of landslide susceptibility maps. In recent years, regression trees that have flow chart structures have been used to produce landslide susceptibility maps. They have been recently applied to many regression problems requiring analysis of continuous data. In this study, regression trees were employed for landslide risk assessment of Trabzon province using lithology, slope, land cover, aspect, elevation and road network data. Performance of the method was compared with that of widely-used logistic regression model. Results produced in this study sh owed that regression trees produced landslide susceptibility maps with 5% higher accuracy than logistic re gression. In conclusion, effectiveness of the regression trees was verified for modeling multivariate spatial data.