Procjena podložnosti na klizanje primjenom različitih statističkih metoda (Gornja Dubrava, Grad Zagreb)

diplomski rad

• Naslov: Procjena podložnosti na klizanje primjenom različitih statističkih metoda (Gornja Dubrava, Grad Zagreb) : diplomski rad
• Naslov (engleski): Assessment of landslide susceptibility using different statistical methods (Gornja Dubrava, City of Zagreb) : master's thesis
• Autor: Ivan Melkić
• Mentor: Sanja Bernat Gazibara (mentor)
• Mentor: Marko Sinčić (pomoć pri izradi, neposredni voditelj)
• Član povjerenstva: Sanja Bernat Gazibara (predsjednik povjerenstva)
• Član povjerenstva: Martin Krkač (član povjerenstva)
• Član povjerenstva: Snježana Mihalić Arbanas (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Rudarsko-geološko-naftni fakultet; (Zavod za geologiju i geološko inženjerstvo); Zagreb
• Datum i država obrane: 2024-09-30, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Rudarstvo, nafta i geološko inženjerstvo; Geološko inženjerstvo

Sažetak

Tema diplomskog rada je analiza utjecaja različitih statističkih metoda na rezultate procjene podložnosti na klizanje na pilot području površine 19,3 km2 u Donjoj Dubravi u Zagrebu. Metode korištene za procjenu podložnosti na klizanje su bile Weight of Evidence, neuralna mreža, slučajne šume i logistička regresija. Ulazni podaci korišteni za procjenu podložnosti na klizanje su inventar klizišta dobiven interpretacijom LiDAR DMR-a, te geomorfološki, geološki, hidrološki i antropogeni preduvjeti klizanja, njih ukupno devet. Temeljem kvalitativnih i kvantitativnih usporedbi dobivenih karata podložnosti na klizanje utvrđeno je da postoje razlike u pojedinim metodama analize podložnosti na klizanje. Bivarijantna statistička metoda, Weight of Evidence, i metoda logističke regresije pokazale su veću objektivnost i podjednaku točnost modela na podacima za trening i validaciju modela, a metode neuralne mreže i slučajnih šuma pokazale su pretreniranost modela, sa znatno nižim vrijednostima prilikom validacije modela. Može se zaključiti da je izbor najoptimalnije statističke metode za analizu podložnosti na klizanje i dalje otvoreno pitanje, ali sama pouzdanost modela svakako najviše ovisi o kvaliteti i prostornoj točnosti ulaznih podataka.

Sažetak (engleski)

The topic of this thesis is the analysis of the influence of different statistical methods on the results of landslide susceptibility assessment in a pilot area of 19.3 km² in Donja Dubrava, Zagreb. The methods used for landslide susceptibility assessment were Weight of Evidence, neural networks, random forests, and logistic regression. The input data for assessing landslide susceptibility included a landslide inventory derived from the interpretation of LiDAR DMR, as well as geomorphological, geological, hydrological, and anthropogenic landslide preconditions, nine in total. Based on qualitative and quantitative comparisons of the generated landslide susceptibility maps, it was determined that differences exist between the various methods of landslide susceptibility analysis. The bivariate statistical method, Weight of Evidence, and logistic regression method demonstrated greater objectivity and similar accuracy in training and validation datasets, while the neural network and random forest methods exhibited model overfitting, with significantly lower values of model validation. It can be concluded that the selection of the most optimal statistical method for landslide susceptibility analysis remains an open question, but the reliability of the model primarily depends on the quality and spatial accuracy of the input data.

• Ključne riječi: karta podložnosti na klizanje; klizište; statističke metode; strojno učenje; GIS
• Ključne riječi (engleski): landslide susceptibility map; landslide; statistical methods; machine learning; GIS
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:169:682843
• Studijski program: Naziv: Geološko inženjerstvo; smjerovi: Hidrogeologija i inženjerska geologija, Geologija okoliša; Smjer: Geologija okoliša; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka geološkog inženjerstva (mag. ing. geol.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2025-04-22 08:42:34