%0 Journal Article
%T Usporedba ekspertskog, deterministi£¿kog i pristupa strojnog u£¿enja za ocjenu osjetljivosti na klizi£¿ta u op£¿ini Ljubovija, Srbija
%A Abolmasov
%A Biljana
%A Andrejev
%A Katarina
%A Kru£¿i£¿
%A Jelka
%A Marjanovi£¿
%A Milo£¿
%A Miladinovi£¿
%A Aleksandar
%A Samard£¿i£¿-Petrovi£¿
%A Mileva
%J -
%D 2017
%R 10.15233/gfz.2017.34.15
%X Sa£¿etak Procjena osjetljivosti na klizi£¿ta postaje vrlo produktivno istra£¿iva£¿ko podru£¿je, pri £¿emu se prakticiraju razli£¿iti pristupi modeliranju kako bi se zonirale visoke i niske vjerojatnosti pojave klizi£¿ta. Me£¿utim, ne postoji jasna suglasnost o tome koji je pristup najprikladniji. Razlog nedostatka op£¿eg gledi£¿ta na izvedbu razli£¿itih pristupa mogao bi se djelomi£¿no objasniti osobitostima svake studije. Za procjenu u£¿inkovitosti razli£¿itih pristupa neophodno je primjenjivati ih pod istim uvjetima za isto podru£¿je istra£¿ivanja. U ovome radu su istra£¿ivana tri razli£¿ita pristupa, uklju£¿uju£¿i ekspertni, deterministi£¿ki i pristup strojnog u£¿enja, na podru£¿ju op£¿ine Ljubovija u zapadnoj Srbiji. Podru£¿je je poznato kao osjetljivo na klizi£¿ta i predstavlja dobru osnovu za procjenu odabranih metoda. Odlikuje ga kompleksna geologija i sklonost pojavi klizi£¿ta koja se obi£¿no nalaze u debeloj kori raspadanja paleozojskih formacija sastavljenih od £¿kriljaca i meta-sedimenata. Pod ekstremnim uvjetima za aktivaciju, poput onog koji se odvijao u svibnju 2014., ove debele kore raspadanja se zasi£¿uju i omogu£¿uju raznovrsne pojave klizi£¿ta i bujica, na koje £¿emo se usredoto£¿iti u ovoj studiji. Primjena ekspertnog pristupa kroz analiti£¿ki hijerarhijski proces je dala grubu kartu procjene. Deterministi£¿ki model, koji integrira model beskona£¿ne kosine i hidrolo£¿ki model, dao je lo£¿ije rezultate u usporedbi sa ekspertnom metodom. Ovo se mo£¿e objasniti time da su pretpostavke kori£¿tene u modelu bile previ£¿e jednostavne da generi£¿ki modeliraju takav £¿iroki raspon tipologije klizi£¿ta. Kona£¿no, pristup strojnog u£¿enja, kori£¿tenjem algoritma Random Forest, dao je znatno bolje rezultate i pokazalo se da se mo£¿e uspje£¿no koristiti s raznovrsnom tipologijom klizi£¿ta na ve£¿oj prostornoj skali. Njegov AUC u£¿inak je oko 0,75 , £¿to je znatno bolje od AUC vrijednosti druga dva modela koji su do 0,55 , tj. na razini slu£¿ajnog naga£¿anja
%K osjetljivost na klizi£¿ta
%K analiti£¿ka hijerarhija
%K deterministi£¿ki model
%K strojno u£¿enje
%K Random Forest
%U https://hrcak.srce.hr/index.php?show=clanak&id_clanak_jezik=300415