پیش بینی کلاس حساسیت رمبندگی خاک های لسی با بکارگیری روش رگرسیون لجستیک رتبه ای، شمال شرق ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه زمین شناسی دانشگاه بوعلی سینا

2 گروه زمین شناسی مهندسی دانشگاه تربیت مدرس

3 گروه آمار دانشگاه بوعلس سینا همدان

چکیده

در این مطالعه از روش رگرسیون لجستیک رتبه ای (OLR) برای پیش بینی رده حساسیت رمبندگی خاکهای لسی استفاده شده است. حساسیت رمبندگی(Is) خاک های لسی، یک پارامتر مهم در پیش بینی نحوه توزیع و تمرکز فروچاله های شبه کارستی در استان گلستان در شمال شرق ایران است. با انجام آزمون های تحکیم منفرد، تحت فشارهای مختلف، پارامترهای ضریب رمبندگی، زمان لازم برای ۹۰٪ نشست ناشی از رمبندگی خاک ها(T90%) و وضعیت حساسیت رمبندگی خاکها به صورت تجربی، در۶۲ نقطه از دشت گرگان تعیین گردید. با استفاده از برخی ویژگیهای فیزیکی شاخص خاکها (دانه بندی، تخلخل، رطوبت اولیه، بارش، آب و هوا، حد روانی، کربنات کلسیم، پوشش گیاهی و درجه اشباع) به روش غیر مستقیم و با استفاده از روش رگرسیون لجستیک رتبه ای و برنامه نویسی در نرم افزار R، میزان احتمال قرارگیری خاکها در کلاسهای با حساسیت رمبندگی چهارگانه شدید، نسبتا شدید، متوسط و کم در مدل پیشنهادی، با دقت بیش از ۷۰٪ برآورد شده است. داده های تجربی بدست آمده از وضعیت کلاس حساسیت رمبندگی خاکهای رمبنده مناطق مشهد، سرخس و سمنان که به روش مستقیم اندازه گیری شده است، صحت کارکرد مدل پیشنهاد شده در این تحقیق را نشان داده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Predicting the sensitivity class of loess soils using ordinal logistic regression method, Northeast of Iran

نویسندگان [English]

  • Mojtaba Heidari 1
  • Seddighe Zalaghaie 1
  • Mohammad reza Nikudel 2
  • Asghar Seif 3
1 Department of Geology, Bu-Ali Sina University, Mahdieh St., Hamedan, Iran
2 Department of Engineering Geology, Tarbiat Modares University
3 Department of Statistics, Bu-Ali Sina University
چکیده [English]

The current study evaluates ordinal logistic regression (OLR) for assessing collapse sensitivity classes of loess soils. Collapse sensitivity (Is) is the critical parameter to predict pseudokarst sinkholes occurrence in Golestan Province in northeastern Iran. A database containing 62 records of soil's physical and mechanical properties is used in this study. By performing oedometer tests, the parameters of collapse coefficient, the time required for 90% settlement (T90%), and collapse sensitivity were determined. To gather this goal, a database was prepared based on experimental datasets, consisting of ten inputs (grain size analysis, porosity, initial water content, precipitation, climate, liquid limit, calcium carbonate, vegetation, and degree of soil saturation) and one output (collapse sensitivity classes). This task is complex due to the difficulty of preparing and carrying out such experiments in a laboratory. Using OLR, the probability of soils being placed in classes with severe, moderately severe, moderately, and slight sensitivity was estimated. This study showed that the OLR method could correctly distinguish more than 70% of different categories. Experimental data obtained from Semnan, Sarakhs, and Mashhad areas, has shown the accuracy of the proposed OLR model.

کلیدواژه‌ها [English]

  • collapse sensitivity
  • ordinal logistic regression model
  • loess
  • Golestan Province