مقایسه کارایی رگرسیون لجستیک و الگوریتم‌های یادگیری ماشین در پهنه‌بندی حساسیت وقوع ریزش سنگ (مطالعه موردی: جاده فیروزکوه، پل سفید-گدوک)

اسفندیاری درآباد, فریبا، رحیمی، مسعود، وهاب زاده، مهرداد. (1403). پهنه‌بندی مخاطره ریزش سنگ در جاده خلخال به شاهرود با الگوریتم پرسپترون چند‌‌لایه.  جغرافیا و مخاطرات محیطی، 13(4)، 26-1.    https://doi.org/10.22067/geoeh.2024.87847.1482

اصغری سراسکانرود، صیاد، حسن زاده، رسول، رئوفی، سهیل. (1399). بررسی عوامل موثر بر ریزش سنگی و پهنه‌بندی خطر آن با رگرسیون لجستیک در حوضه آبریز علی‌آباد چای هوراند. هیدروژئومورفولوژی، 7(23)، 38-21.   

اصغری سراسکانرود، صیاد، مظفری، حسن. (1398). ارزیابی و مقایسه مدل های ضریب نسبت فراوانی و تحلیل شبکه در پهنه بندی ریزش سنگ. تحلیل فضایی مخاطرات محیطی، 6(4 )، 123-142. https://doi.org/10.29252/jsaeh.6.4.123

پاک‌نژاد فریبا، احمدآبادی علی، قنواتی عزت اله، زحمتکش حسن. (1402). پهنه‌بندی مناطق مستعد دارای جریان‌های واریزه‌ای با استفاده از الگوریتم‌های یادگیری ماشین (مطالعه موردی: حوضه تنگراه استان گلستان)، پژوهش های فرسایش محیطی، ۱۳ (۱)، ۱-۲۸.

جوکار سرهنگی، عیسی، علیزاده، عبداله. (1393). ارزیابی کارایی مدل های نسبت فراوانی و ارزش اطلاعات در پهنه بندی خطر ریزش سنگ. مطالعه موردی دره هراز. مجله آمایش جغرافیایی فضا، 4(11)، 163-151. https://gps.gu.ac.ir/article_7402.html?lang=en

رحیمی، مسعود، اسفندیاری، فریبا، زکی زاده، امید، وهاب زاده، زرگری، مهرداد. (1404). شناسایی پهنه‌‌های مستعد خطر ریزش‌‌سنگ در جاده ارتباطی مشگین‌‌شهر- اهر با استفاده از شبکه عصبی مصنوعی. مخاطرات محیط طبیعی، 14(46)، 23-42.

روستایی، شهرام، مختاری، داود، خدایی، فاطمه. (1394). کاربرد روش رگرسیون لجستیک در پهنه‌بندی خطر وقوع ناپایداری‌های دامنه‌ای در جاده‌های کوهستانی (تنگه دره دیز). مخاطرات محیط طبیعی، 4(6)، 89-103. https://doi.org/10.22111/jneh.2016.2525

سپه وند، علیرضا، بیرانوند، نسرین. (1403). پهنه‌بندی حساسیت وقوع زمین‌لغزش با استفاده از الگوریتم‌های یادگیری ماشین (بخشی از حوزة آبخیز هراز). مدل سازی و مدیریت آب و خاک، 4(2)، 261-278. https://doi.org/10.22098/mmws.2023.12678.1263

شیرزادی عطااله، سلیمانی کریم، حبیب نژاد روشن محمود، کاویان عطااله، قاسمیان بهاره.(۱۳۹۴). مقایسه روش های رگرسیون لجستیک، نسبت فراوانی و تحلیل سلسله مراتبی در تهیه ی نقشه ی حساسیت ریزش‌سنگ (مطالعه موردی: استان کردستان، گردنه صلوات آباد) پ‍‍ژوهشنامه مدیریت حوزه آبخیز، ۶ (۱۲)،۲۰۴-۱۹۳.  https://jwmr.sanru.ac.ir/article-1-570-en.html

عابدینی، موسی، مظفری، حسن، فعال نذیری، مهدی. ( 1401 ). بررسی و مقایسه کارایی مدل‌های ارزش اطلاعات و ضریب نسبت فراوانی و آنتروپی شانون در پهنه‌بندی خطر ریزش سنگ (مطالعه موردی:جاده زنجان ـ تهم ـ طارم). فصلنامه مطالعات جغرافیایی مناطق کوهستانی، 3(9)، 57-77. https://doi.org/10.52547/gsma.3.1.55

مومنی، علی اکبر، حیدری، مجتبی. (1400). آنالیز خطر سقوط سنگ در منطقه توریستی گنجنامه، غرب ایران. مخاطرات محیط طبیعی، 10(28)، 1-14.  https://doi.org/10.22111/jneh.2021.31304.1553

Abedini, M., Mozafari, H., & Faal naziri, M. (2022). Investigating and comparing the effectiveness of information value models and frequency ratio coefficient and Shannon's entropy in zoning rock fall risk (case study: Zanjan-Teham-Taram Road). Geographical Studies of Mountainous Regions, 3(1), 55-75. https://doi.org/10.52547/gsma.3.1.55.  [In Persian]

Asghari Saraskanrood, S., Hasan zadeh, R. and Raoofi, S. (2020). Investigation of Factors Influencing rock fall and Its Zoning with Logistic Regression in Ali Bayad Basin of Horand Abstract. Hydrogeomorphology, 7(23), 38-21.

https://doi.org/10.22034/hyd.2020.11004.  [In Persian]

Asghari Saraskanrood, S., & Mozafari, H. (2020). Estimate and Comparison of Frequency Ratio and Network Analysis Models in Rockfall Zoning (Case study Zanjan road to Taham and Tarom). Journal of Spatial Analysis, Environmental Hazards, 6(4), 123-142.  https://doi.org/10.29252/jsaeh.6.4.123.  [In Persian]

Bhagat, N. K., Mishra, A. K., Singh, R. K., Sawmliana, C., & Singh, P. K. (2022). Application of logistic regression, CART, and random forest techniques in prediction of blast-induced slope failure during reconstruction of railway rock-cut slopes. Engineering Failure Analysis, 137, 106230.  https://doi.org/10.1016/j.engfailanal.2022.106230

Breiman, L., 2001. Random forests. Machine Learning, 45(1), 5-32. https://doi.org/10.1023/a:1010933404324

Chang, Z., Huang, F., Huang, J., Jiang, Sh.H., Yuting Liu, Y., Meena, S.R., & Catani, F. (2023). An update of landslide susceptibility prediction from the perspective of space and time. Geoscience Frontiers, 14(5), 101619. https://doi.org/10.1016/j.gsf.2023.101619

Chen W, Xie X, Wang J, Pradhan B, Hong H, Tien Bui D, Duan Z, Ma J. 2017. A comparative study of logistic model tree, random forest, and classification and regression tree models for spatial prediction of landslide susceptibility. Catena. 151, 147-160. https://doi.org/10.1016/j.catena.2016.11.032

Esfandyari Darabad, F., Rahimi, M., & Vahabzadeh, M. (2024). Rockfall risk zoning on the Khalkhal to Shahroud road using multilayer perceptron algorithm. Journal of Geography and Environmental Hazards, 13(4), 1-26.

https://doi.org/10.22067/geoeh.2024.87847.1482.  [In Persian]

Fanos, A. M., & Pradhan, B. (2019). A Spatial Ensemble Model for Rockfall Source Identification from High-Resolution LiDAR Data and GIS. IEEE Access, 7, 74570–74585.  https://doi.org/10.1109/ACCESS.2019.2919977

Fanos, A. M., Pradhan, B., Alamri, A., & Lee, C.W. (2020). Machine Learning-Based and 3D Kinematic Models for Rockfall Hazard Assessment Using LiDAR Data and GIS. Remote Sensing, 12(11), 1755. https://doi.org/10.3390/rs12111755

Fanos, A. M., Pradhan, B., Mansor, S., Yusoff, Z. M., & Abdullah, A. F. B. (2018). A hybrid model using machine learning methods and GIS for potential rockfall source identification from airborne laser scanning data. Landslides, 15(9), 1833-1850. https://doi.org/10.1007/s10346-018-0990-4

Ferrari, F., Giacomini, A., & Thoeni, K. (2016). Qualitative rockfall hazard assessment: a comprehensive review of current practices. Rock Mechanics and Rock Engineering, 49, 2865-2922.  https://doi.org/10.1007/s00603-016-0918-z

He, X., Lang, Q., Zhang, J., Zhang, Y., Jin, Q., & Xu, J. (2025). Interpretable Machine Learning for Explaining and Predicting Collapse Hazards in the Changbai Mountain Region. Sensors (Basel, Switzerland), 25(5), 1512. https://doi.org/10.3390/s25051512

Jokar sarhangi, E., & Alizadeh, A. (2014). An Investigation into the Efficiency of Frequency Ratio and Information Value Models in Rockfall Hazard Zonation (Case Study: Haraz Valley). Geographical planning of space quarterly journal, 4(11), 151- 163.  https://gps.gu.ac.ir/article_7402.html?lang=en.  [In Persian]

Mahmoodzadeh, A., Alanazi, A., Mohammed, A., Ibrahim, H., Alqahtani, A., Alsubai, S., & Elhag, A. (2023). Comprehensive analysis of multiple machine learning techniques for rock slope failure prediction. Journal of Rock Mechanics and Geotechnical Engineering, 16(11), 4386-4398.  https://doi.org/10.1016/j.jrmge.2023.08.023

Mao, K., Zhu, J., Su, L., Cai, G., Li, Y., & Dong, Z. (2023). FinalMLP: An Enhanced Two-Stream MLP Model for CTR Prediction. Proceedings of the AAAI Conference on Artificial Intelligence, 37(4), 4552–4560. https://doi.org/10.1609/aaai.v37i4.25577

Mokhtari, M., Abedian, S. and Almasi, S. A. (2020). Rockfall Susceptibility Mapping Using Artificial Neural Network, Frequency Ratio, and Logistic Regression: A Case Study in Central Iran, Taft County. AUT Journal of Civil Engineering, 4(1), 63-80.  https://doi.org/10.22060/ajce.2019.15368.5538

Momeni, A. and Heidari, M. (2021). Rockfall hazard analysis in the Ganjnameh tourist area, west of Iran. Journal of Natural Environmental Hazards, 10(28), 1-14. https://doi.org/10.22111/jneh.2021.31304.1553.  [In Persian]

Nair, V., & Hinton, G. E. (2010). Rectified linear units improve restricted Boltzmann machines. In Proceedings of the 27th International Conference on Machine Learning (ICML-10), 807–814. Omnipress.

https://www.cs.toronto.edu/~hinton/absps/reluICML.pdf

Nanehkaran, Y. A., Licai, Z., Chen, J., Azarafza, M., & Yimin, M. (2022). Application of artificial neural networks and geographic information system to provide hazard susceptibility maps for rockfall failures. Environmental Earth Sciences, 81(19), 475. https://doi.org/10.1007/s12665-022-10603-6 

Nguyen, K. A., Jiang, Y.J., Huang, C.S., Kuo, M.H., & Chen, W. (2024). Leveraging Internet News-Based Data for Rockfall Hazard Susceptibility Assessment on Highways. Future Internet. 16(8), 299. https://doi.org/10.3390/fi16080299

Paknejad F., Ahmadabadi A., Qanavati E., & zahmatkesh H. (2023). Zoning of Susceptible Areas with Debris Flows Using Machine Learning Algorithms (Case study of Tangarah Basin -Golestan Province). Environmental Erosion Research Journal, 13 (1), 1-28. http://magazine.hormozgan.ac.ir/article-1-702-fa.html. [In Persian]

Rahimi, M., Esfandiari, F., Zakizadeh, O., & Vahabzadeh Zargari, M. (2025). Identification of Rockfall Hazard Zones Along the Meshginshahr-Ahar Road Using Artificial Neural Networks. Journal of Natural Environmental Hazards, 14(46), 23–42. https://doi.org/10.22111/jneh.2025.50028.2072.  [In Persian]

Rodriguez, V., Ghimire, B., Rogan, J., Chica Olmo, M., & Rigol Sánchez, J.P. (2012). An assessment of the effectiveness of a Random Forest classifier for land cover classification. ISPRS Journal of Photogram Remote Sens, 67, 9-104.  https://doi.org/10.1016/j.isprsjprs.2011.11.002

Roostaei, S., Mokhtari, D. and Khodaiae, F. (2015). The application of Logistic Regression in the zoning of slope instabilities on the mountain roads (case study: Dare Diz Strait). Journal of Natural Environmental Hazards, 4(6), 89-103.

 https://doi.org/10.22111/jneh.2016.2525.  [In Persian]

Sepahvand, A., & Beiranvand, N. (2024). Landslide susceptibility mapping using various soft computing techniques (Case study: A part of Haraz Watershed). Water and Soil Management and Modelling, 4(2), 261-278.

 https://doi.org/10.22098/mmws.2023.12678.1263.  [In Persian]

Shirzadi, A., Solaimani, K., Habibnejad Roshan, M., Kavian, A., & Ghasemian, B. (2016). Comparison of Logistic Regression, Frequency Ratio, and AHP in Rockfall Susceptibility Mapping. Journal of Watershed Management Research, 6(12), 193– 204. https://jwmr.sanru.ac.ir/article-1-570-en.html.  [In Persian]

Youssef, A. M., & Pourghasemi, H. R. (2021). Landslide susceptibility mapping using machine learning algorithms and comparison of their performance at Abha Basin, Asir Region, Saudi Arabia. Geoscience Frontiers, 12(2), 639-655. https://doi.org/10.1016/j.gsf.2020.05.010

Zhang, S., Tan, S., Liu, L., Ding, D., Sun, Y., & Li, J. (2023). Slope Rock and Soil Mass Movement Geological Hazards Susceptibility Evaluation Using Information Quantity, Deterministic Coefficient, and Logistic Regression Models and Their Comparison at Xuanwei, China. Sustainability, 15(13), 10466. https://doi.org/10.3390/su151310466.