부산대학교 도서관

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. [ABSTRACT FROM AUTHOR]