کاربرد مدل شبکه عصبی مصنوعی در پهنه‌بندی خطر زمین‌لغزش

ـ راکعی، بابک؛ خامه‌چیان، ماشاالله؛ عبدالملکی پرویز و پانته­آ گیاهچی (1386)، «کاربرد شبکه عصبی مصنوعی در پهنه­بندی خطر زمین‌لغزش»، مجله علوم دانشگاه تهران، 33(1):57-64.

ـ سازمان جغرافیایی نیروهای مسلح، نقشه توپوگرافی1:50000 الشتر، نهاوند، فیروزآباد و قلعه حاتم.

ـ سازمان زمین­شناسی کشور، نقشه 1:100000 خرم­آباد.

ـ سازمان زمین­شناسی کشور، نقشه 1:100000 همدان.

سازمان هواشناسی لرستان، آمار بیست ساله ایستگاه­های باران‌سنجی و سینوپتیک.

ـ سپهوند، علی‌رضا (1389)، «پهنه­بندی خطر زمین‌لغزش با استفاده از شبکه عصبی مصنوعی در بخشی از حوضه آبخیز هراز»، پایان­نامه کارشناسی ارشد، دانشکده منابع طبیعی و علوم دریایی نور، دانشگاه تربیت مدرس.

ـ سوری، سلمان؛ لشگری پور، غلامرضا و محمد غفوری (1391)، «پهنه­بندی خطر زمین‌لغزش با استفاده از شبکه عصبی مصنوعی»، نشریه زمین­شناسی مهندسی، جلد 5 شماره 2، صص 1269-1286.

ـ فاطمی عقدا، سیدمحمود و جعفر غیومیان (1382)، «ارزیابی کارایی روش‌های آماری در تعیین پتانسیل خطر زمین‌لغزش»، مجلهعلومزمین، 11(47-48): 28-47.

ـ فیض­اله­پور، مهدی (1391)؛ «پهنه­بندی مناطق مستعد لغزش در رودخانه گیوی چای با استفاده از مدل شبکه عصبی مصنوعی»، رساله دکتری، دانشگاه تبریز، تبریز.

ـ کورکی­نژاد، محمد (1380)، «مقایسه کارایی دو مدل پهنه­بندی خطر زمین لغزش (حائری و مورا) با استفاده از ساجد در حوضه آبخیز سیاه رودبارگرگان»، پایان­نامه کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی گرگان،24ص.

ـ کیا، مصطفی (1389)، «شبکه‌های عصبی در متلب»، انتشارات کیان رایانه سبز، ص229.

ـ مرادی، حمیدرضا؛ سپهوند، علی و پرویز عبدالمالکی (1389)، «بررسی کارایی شبکه عصبی مصنوعی برای پهنه‌بندی خطر زمین‌لغزش (مطالعه موردی: بخشی از حوضه آبخیز هراز)»، مجموعه مقالات ششمین همایش ملّی علوم و مهندسی آبخیزداری و چهارمین همایش ملّی فرسایش و رسوب، گروه مهندسی آبخیزداری دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس.

ـ منهاج، محمدباقر (1381)، «مبانی شبکه­های عصبی»، انتشارات صنعتی امیرکبیر (پلی تکنیک تهران)»، ص 715.

ـ نیازی، یعقوب؛ اختصاصی، محمدرضا؛ طالبی، علی؛ آرخی، صالح و محمدحسین مختاری (1389)، «ارزیابی کارایی مدل آماری دو متغیره در پیش‌بینی خطر زمین‌لغزش در حوضه سد ایلام»، مجله علمی و پژوهشی علوم و مهندسی آبخیزداری ایران، سال 4، شماره 10، بهار صص 20-9.

-Biswajeet Paradhan, (2010), “Remote sensing and GIS based Lanslide hazard analysis and cross validation using multivariate logistic regression model on three test ares in Malaysia”.

-Caniani D., Pascale S., Sdao F., Sole A. (2008), “Neural networks and landslide susceptibility: a case study of the urban area of Potenza”, Natural Hazards, 45:55–72

-Gomez, H., Kavzoglu, T., (2005), “Assessment of shallow landslide susceptibility using artificial neural networks in Jabonosa River Basin, Venezuela”, Engineering Geology, 78: 11-27.

-Hattanji, T., & Moriwaki, H., (2009), “Morphometric analysis of relic landslides using detailed landslide distribution maps: Implications for forecasting travel distance of future landslides”, Journal of Geomorphology, No, 103, Pp. 447-454.

-Kanungo, D., Arora, M., Sarkar, S., and Gupta, R., (2006), “A Comparative  Study  of  Conventioonal, ANN Blak Box, Fuzzy and Combined Neural and Fuzzy Weighting”, Proccedures for Landslide Suceptibility Zoning in Darjeeling Himalayas, Engineering Geology, Vol. 85, pp. 347-366.

-Komac, M. (2006), “A landslide suscepility model using the analytical hierarchyprocess method and multivariate statistics in perialpine Slovenia”.

-Lee S., Ryu J.H., Lee M.J., Won J.S., (2006), “The Application of artificial neural networks to landslide susceptibility mapping at Janghung, Korea”, MathematicalGeology, 38(2): 199-220.

-Lee, S., Ryu. J.H., Kim, L.S. (2009), “Landslide susceptibility analysis and its verification using likelihood ratio, logistic regression, and artificial neural network models: case study of Youngin”, Korea, Landslide, 4: 327-338.

-Lee, S., Ryu. J.H., Won, J.S., Park, H.J., (2004), “Determination application of the weighats for landslide susceptibility mapping using an artificial neural network”, Engineering Geology, 71: 289-302.

-Melchiorre C., Matteucci M., Azzoni A., (2008), Artificial neural networks and cluster analysis in landslide susceptibility zoning”, Geomorphology, 94: 379–400.

-Yilmaz, I., (2009), “Landslide susceptibility mapping using frequency ratio, logistic regression, artificial neural networks and their comparison: A case study from kat landslides (Tokat-Turkey)”, Computers and Geosciences, 35: 1125-1138.