Geofizika, Vol. 34 No. 2, 2017.
Izvorni znanstveni članak
https://doi.org/10.15233/gfz.2017.34.15
Usporedba ekspertskog, determinističkog i pristupa strojnog učenja za ocjenu osjetljivosti na klizišta u općini Ljubovija, Srbija
Jelka Krušić
; Faculty of Mining and Geology, University of Belgrade, Belgrade, Serbia
Miloš Marjanović
; Faculty of Mining and Geology, University of Belgrade, Belgrade, Serbia
Mileva Samardžić-Petrović
; Faculty of Mining and Geology, University of Belgrade, Belgrade, Serbia
Biljana Abolmasov
; Faculty of Mining and Geology, University of Belgrade, Belgrade, Serbia
Katarina Andrejev
; Faculty of Mining and Geology, University of Belgrade, Belgrade, Serbia
Aleksandar Miladinović
; Energoprojekt Holding, Belgrade, Serbia
Sažetak
Procjena osjetljivosti na klizišta postaje vrlo produktivno istraživačko područje, pri čemu se prakticiraju različiti pristupi modeliranju kako bi se zonirale visoke i niske vjerojatnosti pojave klizišta. Međutim, ne postoji jasna suglasnost o tome koji je pristup najprikladniji. Razlog nedostatka općeg gledišta na izvedbu različitih pristupa mogao bi se djelomično objasniti osobitostima svake studije. Za procjenu učinkovitosti različitih pristupa neophodno je primjenjivati ih pod istim uvjetima za isto područje istraživanja. U ovome radu su istraživana tri različita pristupa, uključujući ekspertni, deterministički i pristup strojnog učenja, na području općine Ljubovija u zapadnoj Srbiji. Područje je poznato kao osjetljivo na klizišta i predstavlja dobru osnovu za procjenu odabranih metoda. Odlikuje ga kompleksna geologija i sklonost pojavi klizišta koja se obično nalaze u debeloj kori raspadanja paleozojskih formacija sastavljenih od škriljaca i meta-sedimenata. Pod ekstremnim uvjetima za aktivaciju, poput onog koji se odvijao u svibnju 2014., ove debele kore raspadanja se zasićuju i omogućuju raznovrsne pojave klizišta i bujica, na koje ćemo se usredotočiti u ovoj studiji. Primjena ekspertnog pristupa kroz analitički hijerarhijski proces je dala grubu kartu procjene. Deterministički model, koji integrira model beskonačne kosine i hidrološki model, dao je lošije rezultate u usporedbi sa ekspertnom metodom. Ovo se može objasniti time da su pretpostavke korištene u modelu bile previše jednostavne da generički modeliraju takav široki raspon tipologije klizišta. Konačno, pristup strojnog učenja, korištenjem algoritma Random Forest, dao je znatno bolje rezultate i pokazalo se da se može uspješno koristiti s raznovrsnom tipologijom klizišta na većoj prostornoj skali. Njegov AUC učinak je oko 0,75 , što je znatno bolje od AUC vrijednosti druga dva modela koji su do 0,55 , tj. na razini slučajnog nagađanja.
Ključne riječi
osjetljivost na klizišta; analitička hijerarhija; deterministički model; strojno učenje; Random Forest
Hrčak ID:
204099
URI
Datum izdavanja:
31.12.2017.
Posjeta: 1.422 *