|
- 2017
Usporedba ekspertskog, deterministi?kog i pristupa strojnog u?enja za ocjenu osjetljivosti na klizi?ta u op?ini Ljubovija, SrbijaKeywords: osjetljivost na klizi?ta, analiti?ka hijerarhija, deterministi?ki model, strojno u?enje, Random Forest Abstract: 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
|