ΕΚΤΙΜΗΣΗ ΤΟΥ ΚΙΝΔΥΝΟΥ ΚΑΤΟΛΙΣΘΗΣΕΩΝ ΜΕ ΤΕΧΝΗΤΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ ΣΕ ΠΕΡΙΒΑΛΛΟΝ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Transcript

1 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 1 ΕΚΤΙΜΗΣΗ ΤΟΥ ΚΙΝΔΥΝΟΥ ΚΑΤΟΛΙΣΘΗΣΕΩΝ ΜΕ ΤΕΧΝΗΤΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ ΣΕ ΠΕΡΙΒΑΛΛΟΝ ΓΕΩΓΡΑΦΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΦΕΡΕΝΤΙΝΟΥ ΜΑΡΙΑ Γεωλόγος Πανεπιστημίου Πατρών, Δρ Ε.Μ.Π. ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: Μ. Γ. ΣΑΚΕΛΛΑΡΙΟΥ Μέλη Τριµελούς Συµβουλευτικής Επιτροπής: Μ. Γ. ΣΑΚΕΛΛΑΡΙΟΥ, Αναπληρωτής Καθηγητής Ε.Μ.Π. Μ. ΚΑΒΟΥΡΑΣ, Αναπληρωτής Καθηγητής Ε.Μ.Π. Γ. ΚΟΥΚΗΣ Καθηγητής Πανεπιστημίου Πατρών 1. ΕΙΣΑΓΩΓΗ - ΣΤΟΧΟΙ 1.1. Περιγραφή Φυσικού προβλήματος Οι κατολισθήσεις αποτελούν φαινόμενα με συνέπειες καταστροφικές για το φυσικό και το δομημένο περιβάλλον. Η κατανόηση του μηχανισμού τους είναι σημαντική για την πρόβλεψη και αντιμετώπισή τους, είτε με αποσόβηση του κινδύνου είτε με την κατάρτιση κατάλληλων μέτρων προστασίας και αποκατάστασης. Οι κατολισθήσεις εντάσσονται στην κατηγορία των φυσικών καταστροφών και είναι απόρροια κατάλυσης ισορροπίας (αστάθειας) εδαφικών ή βραχωδών πρανών, φυσικών και τεχνητών. Η μετάβαση από την κατάσταση της ισορροπίας στo καθεστώς αστάθειας πραγματοποιείται μέσω της επίδρασης πολλών παραγόντων, οι οποίοι ελέγχουν το φαινόμενο. Πρόκειται για ένα πολυμεταβλητό - πολυπαραμετρικό πρόβλημα, η επίλυση του οποίου απαιτεί τη συνδρομή των επιστημονικών κλάδων της Γεωλογίας της Τεχνικής Γεωλογίας της εδαφομηχανικής και βραχομηχανικής, καθώς επίσης και την εφαρμογή εργαλείων ανάλυσης χώρου, όπως τα Γεωγραφικά Πληροφοριακά Συστήματα (ΓΠΣ) και εργαλείων

2 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 2 υπολογιστικής νοημοσύνης, όπως τα Τεχνητά Νευρωνικά Δίκτυα (ΤΝΔ). Ο προσδιορισμός του κινδύνου έναντι κατολισθήσεων παραμένει ένα θέμα ανοικτό προς έρευνα λόγω του σύνθετου χαρακτήρα τους και της διαφοροποίησης των μεθόδων διερεύνησης ανάλογα με την κλίμακα έρευνας. Η δυσκολία κατανόησης του φαινομένου προέρχεται τόσο από το στοχαστικό χαρακτήρα της αφορμής (σεισμός, υετός, κ.ά), όσο και από το συχνά χαοτικό χαρακτήρα του υλικού το οποίο κατολισθαίνει. Ο προσδιορισμός του κινδύνου έναντι κατολίσθησης αποτελεί επίσης, σύνθετο πρόβλημα λόγω της πολυπλοκότητας του φυσικού συστήματος και της δυσκολίας προσδιορισμού όλων των απαραίτητων δεδομένων εισόδου στην ανάλυση. Στόχοι της συγκεκριμένης διατριβής είναι η σε βάθος διερεύνηση των παραγόντων που ελέγχουν το φαινόμενο των κατολισθήσεων, ο προσδιορισμός του βάρους με το οποίο κάθε παράγοντας συμμετέχει στην όλη διαδικασία εξέλιξης του φαινομένου των κατολισθήσεων και τέλος, η ανάπτυξη μιας ολοκληρωμένης μεθοδολογίας εκτίμησης του κινδύνου έναντι κατολισθήσεων. Προσδοκώμενη είναι επίσης, η δυνατότητα εφαρμογής των αποτελεσμάτων της έρευνας, προκειμένου να υποστηριχθεί το στάδιο λήψης αποφάσεων και σχεδιασμού έργων υποδομής. Το πρόβλημα των παραγόντων που συνεισφέρουν στην εκδήλωση του φαινομένου και η συστηματική εξέταση σε βάθος του μηχανισμού γένεσης των κατολισθήσεων αποτελεί πρόκληση για έρευνα καθώς τα αίτια δεν έχουν πλήρως διερευνηθεί και κατανοηθεί από τη διεθνή επιστημονική κοινότητα. Η μελέτη των βασικών διεργασιών και του μηχανισμού εξέλιξης του φυσικού αυτού κινδύνου αποτελεί αντικείμενο βασικής έρευνας, η οποία αποσκοπεί στο να οδηγήσει σε λεπτομερή διάγνωση μελλοντικών κινήσεων, ενεργοποιήσεων νέων κατολισθήσεων καθώς και στον προσδιορισμό των κυρίαρχων παραμέτρων για την δημιουργία των κατολισθήσεων. Στη συγκεκριμένη διατριβή εξετάστηκε και διερευνήθηκε η συμμετοχή και η κυριαρχία: Ποσοτικών παραμέτρων οι οποίες σχετίζονται με την εκτίμηση και τον υπολογισμό του συντελεστή ασφαλείας και του καθεστώτος ευστάθειας ενός πρανούς φυσικού ή τεχνητού, βραχώδους ή εδαφικού. Ποιοτικών παραμέτρων που συντελούν, στην εκδήλωση κατολισθήσεων.

3 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 3 Συγκεκριμένα, προτάθηκαν δύο πρωτότυπες μεθοδολογίες εκτίμησης του κινδύνου προς κατολίσθηση για μια συγκεκριμένη περιοχή έρευνας, η οποία συνδυάζει την εφαρμογή μεθόδων Τεχνητής Νοημοσύνης ΤΝΔ και ΓΠΣ. Τα αποτελέσματα της έρευνας φιλοδοξούν να συμβάλουν στην κατανόηση της φύσης και του μηχανισμού εξέλιξης των κατολισθήσεων αφ ενός, και αφ ετέρου να προτείνουν την εφαρμογή ολιστικών μοντέλων εκτίμησης του κινδύνου. Όπως διαφαίνεται στο πλαίσιο της διατριβής, η προσέγγιση του προβλήματος των κατολισθήσεων μέσω των μοντέλων ΤΝΔ, έχει μεγάλη προοπτική εφαρμογής στο συγκεκριμένο πεδίο. Είναι σημαντική η δυνατότητα ολιστικής προσέγγισης, του προβλήματος και η ενσωμάτωση ποιοτικών και ποσοτικών παραμέτρων. Τα τεχνητά νευρωνικά δίκτυα επιδεικνύουν χαρακτηριστικά δημιουργικής ικανότητας, αντίληψης και κρίσης. Ταυτόχρονα διατηρούν την πολυπλοκότητα του συστήματος, το οποίο μοντελοποιούν γιατί έχουν και αυτά σύνθετη οργάνωση (Cilliers, 1999). Βεβαίως, δεν αποτελούν ακόμη, εναλλακτικές μεθόδους των συμβατικών μεθόδων ανάλυσης και μοντελοποίησης. Η μελέτη των κατολισθήσεων στη συγκεκριμένη διατριβή κινήθηκε σε επίπεδο τοπικής κλίμακας, σε επίπεδο εθνικής κλίμακας, και σε επίπεδο κλίμακας περιφέρειας Τεχνητά Νευρωνικά Δίκτυα Η τεχνητή νοημοσύνη αποτελεί ένα από τα πιο σύγχρονα ερευνητικά πεδία, πρόσφατα συμπληρώθηκαν 45 χρόνια έρευνας. Πρόκειται για τον τομέα της επιστήμης των υπολογιστών, ο οποίος ασχολείται με τη σχεδίαση ευφυών (νοημόνων) υπολογιστικών συστημάτων, δηλαδή συστημάτων που επιδεικνύουν χαρακτηριστικά που σχετίζονται με τη νοημοσύνη στην ανθρώπινη συμπεριφορά. Όσον αφορά στις προσεγγίσεις της τεχνητής νοημοσύνης υπάρχει η κλασική ή συμβολική προσέγγιση η οποία βασίζεται στην κατανόηση των νοητικών διεργασιών και ασχολείται με την προσομοίωση της ανθρώπινης νοημοσύνης προσεγγίζοντάς την με αλγόριθμους και συστήματα που βασίζονται στη γνώση και η συνδετική ή μη συμβολική η οποία βασίζεται στη μίμηση της βιολογικής λειτουργίας του εγκεφάλου προσεγγίζοντας το πρόβλημα με τα λεγόμενα νευρωνικά ή νευρομορφικά δίκτυα (neural networks).

4 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 4 Τα νευρωνικά δίκτυα αποτελούν συστήματα με ικανότητα μάθησης. Η βασική αρχή της επαγωγικής μάθησης είναι ότι η γνώση που προκύπτει υποστηρίζεται από τα παραδείγματα. Οι μεθοδολογίες μάθησης - εκπαίδευσης που χρησιμοποιούνται συνήθως είναι: Εκπαίδευση με εποπτεία (supervised learning). Το ΤΝΔ δίκτυο προσπαθεί να δημιουργήσει μέσω μιας συνάρτησης ενεργοποίησης μια σχέση, η οποία θα συνδέει τα ζεύγη διανυσμάτων εισόδου εξόδου ( x i,d i ) και να εκπαιδευτεί με τέτοιο τρόπο ώστε να ταιριάξει βέλτιστα τα εκπαιδευτικά με τα πραγματικά διανύσματα. Μέσω συνεχών επαναλήψεων τροποποιούνται οι αρχικές τιμές των βαρών που συνδέουν τους τεχνητούς νευρώνες με σκοπό τη βελτίωση της συνάρτησης μέσου τετραγωνικού σφάλματος, ανάμεσα στην πραγματική και την επιθυμητή έξοδο του ΤΝΔ. Σημαντικό μειονέκτημα αυτής της μεθόδου είναι η συχνή παγίδευση του δικτύου σε τοπικά ελάχιστα. Στο πλαίσιο της παρούσας διατριβής αναπτύχθηκαν ΤΝΔ επιβλεπόμενης μάθησης υλοποιώντας τον αλγόριθμο back-propagation (οπισθόδρομης μετάδοσης σφάλματος). Εκπαίδευση χωρίς εποπτεία (unsupervised learning). Το ΤΝΔ τροφοδοτείται μόνο με διανύσματα εισόδου x i και τα διανύσματα εισόδου ταξινομούνται σε κατηγορίες και αυτοοργανώνονται σε κάνναβο συνήθως δύο διαστάσεων ανάλογα με τις πιθανές ομοιότητές τους. Το δίκτυο ανακαλύπτει τη σχετική ομοιότητα, η κάποια τάση στο σύνολο των διανυσμάτων εισόδου και τα ταξινομεί σε συστοιχίες. Ένας αλγόριθμος μεταβάλει τις τιμές των βαρών. Από τις μεταβολές διατηρούνται μόνο εκείνες οι οποίες βελτιώνουν τη συνάρτηση σφάλματος. Σημαντικό μειονέκτημα αυτής της μεθόδου είναι ο μεγάλος χρόνος που απαιτείται για την εκπαίδευση. Στο πλαίσιο της παρούσας διατριβής αναπτύχθηκαν ΤΝΔ μη επιβλεπόμενης μάθησης υλοποιώντας τον αλγόριθμο Kohonen ή χαρτών αυτοοργάνωσης (Self organizing maps). Η λέξη νευρώνας νευρώνιο - δηλαδή το θεμελιώδες νευρικό κύτταρο με τους δενδρίτες και τις συνάψεις - είναι ένας όρος δανεισμένος από την επιστήμη της βιολογίας. Ο όρος νευρώνας προτάθηκε από τον Waldeyer το Η θεωρία του νευρώνα και του

5 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 5 ασυνεχούς νευρικού δικτύου επιβεβαιώθηκε με την εξέταση νευρικών κυττάρων από το ηλεκτρονικό μικροσκόπιο όπου και διαπιστώθηκε ότι οι νευρώνες είναι προσκείμενοι ο ένας στον άλλο. Το σημείο της διάρθρωσής τους, το οποίο πρότεινε ο Άγγλος φυσιολόγος Sherrington το1897 και ονομάστηκε σύναψη. Κύρια χαρακτηριστικά των νευρώνων είναι ότι αντιδρούν σε ερεθίσματα του εξωτερικού περιβάλλοντος, επεξεργάζονται και μεταφέρουν ερεθίσματα και πληροφορίες, επικοινωνούν με μια σειρά συνάψεων με άλλα νευρώνια και έχουν αφαιρετική ικανότητα. Τα νευρώνια αποτελούνται από το σώμα, δηλαδή τον πυρήνα του νευρώνα, τους δενδρίτες οι οποίοι δέχονται τα ερεθίσματα από γειτονικούς νευρώνες και το νευροάξονα, οποίος μεταφέρει τα ερεθίσματα (Σχ.1). Σε κάθε δενδρίτη υπάρχει ένα απειροελάχιστο κενό το οποίο ονομάζεται σύναψη, πρόκειται για την έξοδο του νευρώνα και τη σύνδεση του με άλλους νευρώνες. Η ικανότητα μάθησης και μνήμης που παρουσιάζει ο εγκέφαλος οφείλεται στην ικανότητα των συνάψεων να μεταβάλλουν την αγωγιμότητά τους. Σχ.1. Σχηματική μορφή ενός νευρώνα. Τα τεχνητά νευρωνικά δίκτυα (ΤΝΔ) είναι απλοποιημένες μορφές, των βιολογικών νευρωνικών δικτύων καθώς διατηρούν αρκετές από τις λειτουργίες και την οργάνωση η οποία έχει παρατηρηθεί στον ανθρώπινο εγκέφαλο. Όπως και τα βιολογικά νευρωνικά δίκτυα τα ΤΝΔ μπορούν να εκπαιδευτούν, να αναγνωρίζουν πρότυπα, να ταξινομούν δεδομένα, να εκτιμούν προβλέψεις για μελλοντικά γεγονότα και να επιδεικνύουν αφαιρετική ικανότητα. Τα ΤΝΔ είναι υπολογιστικές μηχανές οι οποίες έχουν σχεδιαστεί για να μοντελοποιούν

6 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 6 τον τρόπο με τον οποίο ο εγκέφαλος πραγματοποιεί μια συγκεκριμένη λειτουργία. Οι μηχανές αυτές καλούνται μηχανές διέγερσης απόκρισης λόγω της θεμελιώδους λειτουργίας τους: ότι εκπαιδεύονται μέσω της έκθεσης σε παραδείγματα δεδομένων εισόδου τα οποία συνδέονται με την κατάλληλη ενεργοποίηση με δεδομένα εξόδου. Η συμπεριφορά ενός ΤΝΔ προσδιορίζεται από τον τρόπο με τον οποίο συνδέονται οι ξεχωριστές υπολογιστικές του μονάδες, καθώς και από την ισχύ αυτών των συνδέσεων. Τα ΤΝΔ τυπικά συνθέτονται από αλληλοσυνδεόμενες ξεχωριστές τεχνητές μονάδες οι οποίες αποκαλούνται νευρώνες ή κόμβοι. Χρησιμοποιούν μια οργάνωση παράλληλα τοποθετημένων επάλληλων επιπέδων (layers) Σχ.2 το κάθε ένα από τα οποία, αριθμεί μια σειρά ισχυρά διασυνδεόμενων μονάδων επεξεργασίας. Ως προς την οργάνωση συνήθως υπάρχει ένα επίπεδο εισόδου (input layer) στο οποίο εισάγονται τα εκπαιδευτικά διανύσματα, ένα ή περισσότερα κρυμμένα επίπεδα (hidden layers) στα οποία γίνεται η επεξεργασία των πληροφοριών, και ένα επίπεδο εξόδου (output layer) το οποίο συνήθως διαθέτει υπολογιστική ικανότητα και στο οποίο καταγράφεται η ανταπόκριση του δικτύου στα στοιχεία εισόδου. Η διασύνδεση των ισχυρά διασυνδεόμενων μονάδων επεξεργασίας πραγματοποιείται μέσω των βαρών. Το μέτρο των βαρών προσδιορίζει τη δύναμη και την επιρροή των αλληλοσυνδεόμενων νευρώνων. Το κάθε νευρώνιο του ενός επιπέδου συνδέεται με όλα τα νευρώνια του επόμενου επιπέδου. Προκειμένου να διαμορφωθεί ένα ΤΝΔ θα πρέπει να τροφοδοτηθεί με εκπαιδευτικά παραδείγματα το οποία περιγράφουν το φαινόμενο που μελετάται με πληροφορίες για τις παραμέτρους (συνεχείς μεταβλητές) αλλά και για το αποτέλεσμα που προκύπτουν. Οι συνεχείς μεταβλητές ονομάζονται δεδομένα εισόδου και τα αποτελέσματα δεδομένα εξόδου. Γενικά ένα ΤΝΔ έχει δύο βασικά χαρακτηριστικά στοιχεία: την τοπολογική δομή του δικτύου αρχιτεκτονική- και τον κανόνα εκμάθησης. Η αρχιτεκτονική αφορά στην επιλογή του αριθμού των νευρωνίων του κάθε επιπέδου και στον αριθμό των κρυμμένων επιπέδων. Ο κανόνας εκμάθησης αφορά στον τρόπο σύνδεσης καθώς και στη συνάρτηση ενεργοποίησης ή συνάρτηση κατωφλιού, η οποία πολλές φορές ταυτίζεται με τη συνάρτηση μεταφοράς (transfer function). Η συνάρτηση μεταφοράς αποτελεί τον υπολογιστικό κορμό ενός νευρωνικού δικτύου, ενώ η συνάρτηση ενεργοποίησης υπολογίζει τη δραστηριοποίηση

7 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 7 ενός νευρώνα ως συνάρτηση του αθροίσματος των σταθμισμένων εισόδων του. Κατά την διαδικασία εκπαίδευσης, εφαρμόζεται ένας αλγόριθμος εκπαίδευσης ο οποίος τροποποιεί τις τιμές των βαρών ώστε το ΤΝΔ να υλοποιήσει την επιθυμητή απεικόνιση των στοιχείων εισόδου στα στοιχεία εξόδου. Η συνάρτηση της σύναψης, συνάρτηση ενεργοποίησης μοντελοποιείται από ένα μεταβαλλόμενο βάρος το οποίο συνδέεται με κάθε σύναψη. Επίπεδο εισόδου Πρώτο κρυμμένο Επίπεδο Δεύτερο κρυμμένο Επίπεδο Επίπεδο εξόδου Σχ.2. Αρχιτεκτονική ενός τυπικού πολυεπίπεδου ΤΝΔ επιβλεπόμενης μάθησης Όπως ειπώθηκε παραπάνω η μεταβολή των βαρών σε ένα ΤΝΔ προσομοιώνει τη μεταβολή στην ισχύ της σύναψης ενός βιολογικού νευρωνικού δικτύου. Ισχύει επίσης, ότι κάποιες είσοδοι από το σύνολο των δεδομένων εισόδου είναι πιο σημαντικές από άλλες σε ό,τι αφορά στην παραγωγή μιας συγκεκριμένης εξόδου. Τα βάρη αρχικά καθορίζονται είτε τυχαία είτε με την υλοποίηση κάποιου αλγόριθμου εκκίνησης. Η επιλογή των αρχικών βαρών είναι σημαντική για την πορεία της σύγκλισης. Κατά τη φάση εκπαίδευσης τα βάρη τροποποιούνται ώστε να ελαχιστοποιηθεί το σφάλμα στα δεδομένα εξόδου. Η ανακάλυψη γνώσης σε βάσεις δεδομένων - Knowledge Discovery in Databases- (KDD), η οποία συχνά αναφέρεται στη βιβλιογραφία και ως εξόρυξη δεδομένων (data mining), είναι ένα σχετικά νέο πεδίο έρευνας το οποίο αφορά στην ανακάλυψη καινούργιων προτύπων (novel patterns) ή δομών σε μεγάλες ομάδες δεδομένων. Πρόκειται για την ερμηνεία του περιβάλλοντος μέσω κωδικοποιημένων παραδειγμάτων μιας βάσης δεδομένων.

8 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 8 Η ανακάλυψη γνώσης σε βάσεις δεδομένων σχετίζεται με ένα πεδίο της στατιστικής ανάλυσης, το οποίο είναι γνωστό στη βιβλιογραφία ως ανάλυση διερεύνησης δεδομένων (exploratory data analysis). Η καθοδηγούμενη από τα δεδομένα μέθοδος βασίζεται περισσότερο στα ίδια τα δεδομένα για την αποκάλυψη της δομής τους, παρά στην άποψη που προκύπτει από την προϋπάρχουσα γνώση και εμπειρία. Η επιτυχής εφαρμογή της μεθόδου απαιτεί κυρίως: Tη συνδρομή ενός ειδικού επιστήμονα στον τομέα εφαρμογής. Συχνά είναι απαραίτητη η επανάληψη κάποιων επί μέρους βημάτων καθώς ενδέχεται να αναδυθούν προβλήματα που σχετίζονται με τις αρχικές παραδοχές και τα οποία δεν ήταν εφικτό να εντοπιστούν αρχικά. Μεγάλες βάσεις δεδομένων Ο κύριος στόχος της εξερευνητικής ανάλυσης δεδομένων είναι να αποδοθεί ένα σύνολο δεδομένων με μια μορφή εύκολα κατανοητή, και συγχρόνως να διατηρεί όλες τις απαραίτητες πληροφορίες των αρχικών δεδομένων. Τα είδη της γνώσης που προκύπτουν είναι: Πρότυπα πληροφόρησης (informative patterns): περιγράφουν συσχετίσεις μεταξύ των δεδομένων, τις οποίες ο ειδικός στον τομέα δεν γνώριζε: (κανόνες συσχέτισης, σειριακά πρότυπα, συστοιχίες). Πρότυπα πρόβλεψης (predictive patterns): προβλέπουν την τιμή ενός πεδίου μιας εγγραφής με βάση τις τιμές των υπόλοιπων πεδίων: (κατηγοριοποιητές, εμπειρικές σχέσεις σε μεταβλητές). Πρόκειται για μια δυναμική διαδικασία, η οποία απαιτεί τη διαίσθηση και το υπόβαθρο ανθρώπινης γνώσης σε συνδυασμό με την υπολογιστική ικανότητα των σύγχρονων υπολογιστικών μεθόδων και τεχνολογιών. Οι μέθοδοι εξερευνητικής ανάλυσης δεδομένων, είναι εργαλεία γενικού σκοπού, τα οποία επεξηγούν τα βασικά χαρακτηριστικά ενός συνόλου δεδομένων, δηλαδή τη δομή συστοιχιών (clustering structure), και των σχέσεων μεταξύ των πεδίων της βάσης δεδομένων. Η κύρια εφαρμογή της μεθόδου αφορά σε δεδομένα, των οποίων η διάσταση, η πολυπλοκότητα και ο όγκος είναι απαγορευτικά μεγάλος για την εξαγωγή συμπερασμάτων με την ανθρώπινη και μόνο παρατήρηση. Ο αλγόριθμος αυτο-οργάνωσης προβολής (SOM) χαρακτηρίζεται ως μέθοδος μοναδι-

9 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 9 κή, η οποία συνδυάζει τόσο τις δυνατότητες των αλγορίθμων προβολής όσο και εκείνες των αλγόριθμων ομαδοποίησης. Το βασικό του πλεονέκτημα έναντι των κλασικών αλγόριθμων προβολής που χρησιμοποιούν οι μέθοδοι στατιστικής ανάλυσης είναι ότι παρέχει τη δυνατότητα να απεικονίζει τις συστοιχίες δεδομένων, και να προβάλει τα δεδομένα σε ένα χάρτη δύο διαστάσεων συνήθως, με τέτοιο τρόπο ώστε να διατηρούνται οι μη γραμμικές σχέσεις μεταξύ των πεδίων της βάσης. Ο αλγόριθμος αυτο-οργάνωσης απεικόνισης (SOM) εκτός από εργαλείο στατιστικής ανάλυσης, είναι κυρίως ένα τεχνητό νευρωνικό δίκτυο μη επιβλεπόμενης μάθησης, το οποίο συνδυάζει μεθόδους ποσοτικοποίησης διανύσματος (vector quantization) και μεθόδους προβολής διανύσματος (vector projection) ( Kohonen T., 1995). Η δημιουργία μοντέλων νευρωνικών δικτύων μη επιβλεπόμενης μάθησης μοιάζει να είναι πιο κοντά σε δομές βασισμένες στη νευροβιολογία από ότι οι αλγόριθμοι επιβλεπόμενης εκπαίδευσης, όπως ο back propagation. Πρόκειται ουσιαστικά για έναν αλγόριθμο, ποσοτικοποίησης και προβολής πολυδιάστατων αριθμητικών δεδομένων. Αποτελείται από νευρώνια οργανωμένα σε έναν κανονικό κάνναβο χαμηλής διάστασης, συνήθως μίας ή και δύο διαστάσεων. Σχ.3. Διαφορετικά σχήματα χάρτη απεικόνισης, κάνναβος αριστερά, κύλινδρος στο κέντρο, και τόρος στα δεξιά στα πλαίσια μη επιβλεπόμενης μάθησης.

10 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 10 2 ΑΝΑΠΤΥΞΗ ΤΝΔ ΜΕ ΕΦΑΡΜΟΓΗ ΤΩΝ ΑΛΓΟΡΙΘΜΩΝ BACK- PROPAGATION KAI SELF ORGANISING MAP ΓΙΑ ΤΗΝ ΕΚΤΙΜΗΣΗ ΤΗΣ ΕΥΣΤΑΘΕΙΑΣ ΦΥΣΙΚΩΝ ΚΑΙ ΤΕΧΝΗΤΩΝ ΠΡΑΝΩΝ ΚΑΙ ΤΗΝ ΙΕΡΑΡΧΗΣΗ ΤΩΝ ΣΧΕΤΙΚΩΝ ΠΑΡΑΜΕΤΡΩΝ Σε επίπεδο κλίμακας τεχνικού έργου εξετάσθηκαν δεδομένα πραγματικών κατολισθήσεων από τη διεθνή βιβλιογραφία (Sah et al, 1994, Lin,1988, Madzic 1988) από συγκεκριμένα εδαφικά ή βραχώδη πρανή, όπου το σύνολο των δεδομένων αφορά σε 68 περιπτώσεις μελέτης ευστάθειας πρανών (46 εδαφικά πρανή η ευστάθεια των οποίων ελέγχεται από τάσεις και 22 βραχώδη πρανή η ευστάθεια των οποίων ελέγχεται από τη δομή τους). Μελετήθηκαν οι παράμετροι αντοχής, οι γεωμετρικές παράμετροι εδαφικών ή βραχωδών μαζών, οι οποίες συνήθως συμμετέχουν στις μεθόδους ανάλυσης οριακής ισορροπίας για τον υπολογισμό του συντελεστή ασφαλείας. Το πρόβλημα προς μάθηση για τα νευρωνικά δίκτυα επιβλεπόμενης μάθησης: αφορά στη διασύνδεση των παραμέτρων ειδικού βάρους γ, συνοχής c, γωνίας εσωτερικής τριβής φ, κλίσης πρανούς β, ύψους πρανούς H, πίεσης του νερού των πόρων r u, με το συντελεστή ασφαλείας F και με την πληροφορία της αστοχίας ή όχι S για τις περιπτώσεις υπόθεσης αστοχίας κυκλικής μορφής. αφορά στη διασύνδεση των παραμέτρων ειδικού βάρους γ, συνοχής c Α και c Β των ασυνεχειών, γωνίας εσωτερικής τριβής φ και φ των ασυνεχειών κλίσης της ευθείας Α Β αλληλοτομίας των ασυνεχειών ψ p, γωνίας κλίσης πρανούς ψ f, και ύψους πρανούς H, με το συντελεστή ασφαλείας F και με την πληροφορία της αστοχίας ή όχι S, για τις περιπτώσεις υπόθεσης αστοχίας μορφής σφήνας. Συνοψίζοντας τα αποτελέσματα τα οποία προέκυψαν από την εκπαίδευση των ΤΝΔ στο πλαίσιο επιβλεπόμενης μάθησης, όπου χρησιμοποιήθηκε ο αλγόριθμος οπισθόδρομης μετάδοσης σφάλματος Back Propagation (Rosenblatt, 1958) προέκυψαν τα παρακάτω: 1. Εφαρμόστηκε επιτυχώς η μεθοδολογία των ΤΝΔ στο συγκεκριμένο πεδίο της γεωτεχνικής μηχανικής και επιτεύχθηκε σύγκλιση των ΤΝΔ. Η απόδοσή τους ως μηχανές ερεθίσματος - απόκρισης ήταν ικανοποιητική καθώς προέκυψαν εντός των προβλεπόμενων ορίων τιμές σφαλμάτων. Επίσης, σύμφωνα με τις τιμές των συντελεστών παλινδρόμησης προέκυψε ισχυρή συσχέτιση μεταξύ των αναμενόμενων τιμών και των

11 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 11 τιμών πρόβλεψης από τα ΤΝΔ. Για το σκοπό αυτό αναπτύχθηκαν συνολικά 10 ΤΝΔ και γράφτηκαν 10 προγράμματα στο περιβάλλον προγραμματισμού του Matlab v Εξετάσθηκε η προσαρμοστικότητα της μεθόδου σε συγκεκριμένα δείγματα μετρήσεων πραγματικών δεδομένων, έγινε διερεύνηση του συνόλου των δεδομένων και έλεγχος της ποιότητάς τους. Τα ΤΝΔ διέκριναν μια υποομάδα δεδομένων από το αρχικό σύνολο τα οποία, όπως διαπιστώθηκε αφορούν σε μηχανισμό αστοχίας επίπεδης ολίσθησης. Γεγονός το οποίο αποδεικνύει ότι τα ΤΝΔ αν και συχνά αναφέρονται στη βιβλιογραφία ως μαύρα κουτιά, επιτυγχάνουν μίμηση του τρόπου λειτουργίας του εγκεφάλου, σύμφωνα με τον οποίο ενσωματώνεται στο μοντέλο νέα γνώση. 3. Η μέθοδος διαμέρισης των βαρών (Garson, 1991) η οποία υιοθετήθηκε στο πλαίσιο της έρευνας, προκειμένου να διερευνηθεί η ευαισθησία των παραμέτρων έδωσε λογική ιεράρχηση των παραμέτρων στα φυσικά προβλήματα που εξετάσθηκαν. Στην περίπτωση κυκλικής μορφής αστοχίας το ΤΝΔ ιεράρχησε ως πιο σημαντική παράμετρο το ύψος του πρανούς H και τη γωνία κλίσης του πρανούς β παραμέτρους οι οποίες καθορίζουν τη γεωμετρία του πρανούς. Η επιρροή των υπόλοιπων παραμέτρων είναι επίσης σημαντική (Σχ. 4). Το συγκεκριμένο αποτέλεσμα είναι λογικό και συμφωνεί με τη γνώση που υπάρχει ήδη στο θέμα της ευστάθειας των πρανών. % c ru µ Σχ. 4. Σχετική βαρύτητα των παραμέτρων που συμμετέχουν στην εκτίμηση του συντελεστή αστοχίας για τις 52 περιπτώσεις κυκλικής μορφής αστοχία. Για τον έλεγχο έναντι μορφής αστοχίας επίπεδης ολίσθησης με βάση τα 15 εκπαιδευτικά παραδείγματα σε κοκκώδη εδάφη το ΤΝΔ ιεράρχησε ως πιο σημαντική την παράμετρο της γωνίας εσωτερικής τριβής φ η οποία είναι παράμετρος αντοχής του

12 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 12 υλικού και τη γωνία κλίσης του πρανούς β, η οποία είναι παράμετρος της γεωμετρίας του πρανούς. Η επιρροή των υπόλοιπων παραμέτρων δεν είναι αμελητέα (Σχ.5). Το συγκεκριμένο αποτέλεσμα είναι επίσης, λογικό και συμφωνεί με τη γνώση που υπάρχει ήδη στο θέμα της ευστάθειας των πρανών c ru Σχ.5. Σχετική βαρύτητα των παραμέτρων που συμμετέχουν στην εκτίμηση του συντελεστή ασφαλείας για τις 15 περιπτώσεις αστοχίας επίπεδης μορφής. Στην περίπτωση αστοχίας μορφής σφηνοειδούς ολίσθησης, το ΤΝΔ ιεράρχησε ως πιο κρίσιμη παράμετρο τη γωνία κλίσης της αλληλοτομίας των ασυνεχειών ψ p και τη συνοχή των ασυνεχειών c a (Σχ.6). % c ru µ Σχ.6. Μορφή αστοχίας τύπου σφήνας. Σχετική βαρύτητα των παραμέτρων που συμμετέχουν στην εκτίμηση του συντελεστή αστοχίας 4. Οι τιμές των συντελεστών ασφαλείας που υπολογίστηκαν από τα ΤΝΔ συγκρίθηκαν με τις τιμές των συντελεστών ασφαλείας που προέκυψαν από την εφαρμογή της μεθό-

13 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 13 δου ελάχιστων τετραγώνων από τους (Sah et al, 1994). Διαπιστώθηκε ότι υπάρχει μεγαλύτερη σύγκλιση ανάμεσα στις τιμές F που υπολογίστηκαν από τα ΤΝΔ και στις τιμές F οι οποίες υπολογίστηκαν με αναλυτικές μεθόδους, απ ό,τι στις τιμές F που προέκυψαν από τη μέθοδο παλινδρόμησης και τις τιμές F, οι οποίες υπολογίστηκαν με αναλυτικές μεθόδους (Σχ.7). 2,50 2,00 µ F µ F 1,50 1,00 F µ µ 0,50 0, F 2,50 2,00 F µ F 1,50 1,00 F µ µ 0,50 F 0, Σχ.7. Εκτίμηση του συντελεστή ασφαλείας για το σύνολο των 46 περιπτώσεων και για τις 31 περιπτώσεις 5. Ως προς τη δυνατότητα πρόβλεψης, αυτό το οποίο διαφαίνεται (πίνακας 1), με βάση την ανάλυση και επεξεργασία των συγκεκριμένων ομάδων δεδομένων για την αστοχία κυκλικής μορφής είναι ότι το αποτέλεσμα εξαρτάται κυρίως από την ποιότητα των δεδομένων εκπαίδευσης, την ποιότητα των δεδομένων ελέγχου και λιγότερο από το μέγεθος του δείγματος των δεδομένων. Κατά την πορεία της ανάλυσης διαπιστώθηκε μια σταδιακή μείωση του σφάλματος

14 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 14 γενίκευσης με το σταδιακό φιλτράρισμα και διόρθωση των δεδομένων εκπαίδευσης καθώς και τη σταδιακή αύξηση του μεγέθους του δείγματος. Μελετώντας τη συμπεριφορά και την απόδοση των ΤΝΔ εξάγεται το συμπέρασμα ότι πρόκειται κατ αρχήν για χρήσιμα εργαλείο ανάλυσης και διερεύνησης της δομής των δεδομένων, ιεράρχησης των παραμέτρων σε σύνθετα προβλήματα γεωτεχνικής μηχανικής. Πίνακας 1. Συγκριτικά αποτελέσματα πρόβλεψης των ΤΝΔ. / µ µ F d i µ F y i 46 Error E y i d i µ F y i 31 Error E y i d i µ F y i 52 Error E y i d i mse 0.32 mse 0.19 mse Ως προς τη δυνατότητα βελτιστοποίησης της ικανότητας πρόβλεψης σύμφωνα με τα αποτελέσματα της επεξεργασίας εκτιμάται ότι η συνεχής τροφοδότηση του ΤΝΔ με δεδομένα ελεγμένα ως προς την ποιότητα τους οδηγεί σταδιακά σε μείωση του σφάλματος γενίκευσης. (Πίνακας 2). Συνεπώς, όσον αφορά στην εφαρμογή τέτοιων συστημάτων για τον προσδιορισμό του συντελεστή ασφαλείας και την εκτίμηση του ποσοστού ευστάθειας θα πρέπει να χρησιμοποιούνται μετά από τη διεξαγωγή ελέγχων της ποιότητας των δεδομένων. Η διαθεσιμότητα μεγάλου αριθμού εκπαιδευτικών διανυσμάτων είναι επίσης καθοριστική για την ανάπτυξη και δημιουργία ΤΝΔ και την επιτυχή εκπαίδευση. Το σύνολο των δεδομένων που επεξεργάστηκε επίσης στο πλαίσιο μη επιβλεπόμενης μάθησης με τον αλγόριθμο αυτο-οργάνωσης SOM - Self Organising Maps (Kohonen, T., 1995). Πραγματοποιήθηκε διερεύνηση της εσωτερικής δομής των δεδομένων με μεθόδους εξερευνητικής ανάλυσης. Πρόκειται για μεθόδους κατάλληλες για πολυμεταβλητά συστήματα δεδομένων, γιατί εξετάζουν την εσωτερική τους δομή, την τάση των δεδο-

15 µ µ µ µ. ( 2). µ µ µ µ ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 15 µ µ µ. μένων για µ δημιουργία µ συστοιχιών µ και διατηρούν µ κατά τη διάρκεια της ανάλυσης τις μη γραμμικές σχέσεις μεταξύ µ των πεδίων της βάσης... 2 Πίνακας 2. Μέσο τετραγωνικό µ σφάλμα mse µ mse μεταξύ µ επιθυμητών µ και τιμών που υπολογίστηκαν από τα ΤΝΔ.. 46 µ ( µ µ ) 21 µ 7 µ 31 ( µ ) 21 µ 7 µ 52 ( µ ) 7 µ 15 µ ( µ ) 22 µ ( µ ) µ mse µ F µ µ S _ _ _ µ µ µ Η εφαρμογή του αλγόριθμου SOM, είναι κατάλληλη για τη μελέτη πολυμεταβλητών µ µ µ - SOM - Self Organising Maps (Kohonen, T., προβλημάτων, καθώς αποτελεί έναν κατ εξοχήν αλγόριθμο ανάδειξης συστοιχιών. Για 1995). µ µ µ µ µ την ανάλυση μέσω του εργαλείου SOM Toolbox (Vesanto, J., et al 1999), χρησιμοποιήθηκαν και τροποποιήθηκαν προγράμματα scripts στο περιβάλλον προγραμματισμού Matllab v.6.5. Τα αποτελέσματα της ανάλυσης δίνονται στη συνέχεια: 1. Εντοπίστηκαν συστοιχίες, οι οποίες συνδέονται με διαφορετικούς μηχανισμούς αστοχίας (κυκλική αστοχία επίπεδη ολίσθηση). Μετά την εκπαίδευση του ΤΝΔ, εντοπί-

16 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 16 στηκαν δύο συστοιχίες. Σε κάθε συστοιχία συμμετέχουν διανύσματα που σχετίζονται τόσο με επίπεδης μορφής ολίσθηση όσο και διανύσματα που σχετίζονται με κυκλικής μορφής αστοχία (Σχ.8). Οι παράμετροι, οι οποίες φαίνεται ότι διαφοροποιούν τις δύο συστοιχίες και ουσιαστικά τις χαρακτηρίζουν είναι το καθεστώς ευστάθειας S και ο συντελεστής ασφαλείας F. Οι υπόλοιπες παράμετροι δεν χαρακτηρίζουν κάποια συστοιχία. Σχ.8. Πολλαπλή απεικόνιση μητρώου αποστάσεων (u-matrix), συστατικών επιπέδων, χάρτη ετικετών (labels), 46 περιπτώσεις πρανών. 2. Εντοπίστηκαν συστοιχίες, οι οποίες συνδέονται με διαφορετικό καθεστώς ευστάθειας (σταθερό ασταθές). Τα ΤΝΔ διαχώρισαν επιτυχώς σε δύο ομάδες τα πρανή τα οποία παρέμειναν σταθερά από αυτά που αστόχησαν και για τους τρεις μηχανισμούς αστοχίας. Στο σχήμα 9 που ακολουθεί παρουσιάζεται η περίπτωση υπόθεσης αστοχίας κυκλικής μορφής με 31 περιπτώσεις πρανών. 3. Μελετήθηκαν οι τιμές των παραμέτρων που συμμετέχουν σε κάθε συστοιχία. 4. Πραγματοποιήθηκε συσχέτιση των παραμέτρων γ, c, φ, β, Η, r U, F, S για τα εδαφικά πρανή και των παραμέτρων γ, c Α, c Β, φ Α, φ Β, ψ p, ψ f, H, F, S για τα βραχώδη πρανή.

17 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 17 Διαπιστώθηκε ότι για την κυκλικής μορφής αστοχία υπάρχει ισχυρή συσχέτιση μεταξύ του ειδικού βάρους γ και της συνοχής c, μεταξύ του ύψους Η και της γωνίας κλίσης του πρανούς β και μεταξύ του συντελεστή ασφαλείας F και του καθεστώτος ευστάθειας S. Για την επίπεδης μορφής αστοχία διαπιστώθηκε ότι υπάρχει ισχυρή συσχέτιση ανάμεσα στο ύψος H και το καθεστώς ευστάθειας S. Για την αστοχία τύπου σφήνας διαπιστώθηκε ισχυρή συσχέτιση ανάμεσα στις γωνίες εσωτερικής τριβής των ασυνεχειών φ Α, φ Β, τη συνοχή των ασυνεχειών c Α, c Β με τη γωνία τομής τους ψ p. Σχ.9. Πολλαπλή απεικόνιση μητρώου αποστάσεων (u-matrix), συστατικών επιπέδων, χάρτη ετικετών (labels), αστοχία κυκλικής μορφής (σύνολο 31 περιπτώσεων). 5. Ιεραρχήθηκε η κυριαρχία των παραμέτρων και η ένταση αλληλεπίδρασής τους. Μετά από κατάλληλη κωδικοποίηση των μητρώων διασποράς που προέκυψαν από την εκπαίδευση των ΤΝΔ δημιουργήθηκαν τα μητρώα αλληλεπίδρασης (Hudson 1992) και τα διαγράμματα αιτίου αποτελέσματος, για κάθε μηχανισμό αστοχίας (κυκλικής μορφής, επίπεδης μορφής και μορφής σφήνας). Τα παρακάτω αποτελέσματα θεωρούνται ρεαλιστικά και συμφωνούν με τη γνώση, η οποία προϋπάρχει στο θέμα της ευ-

18 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 18 στάθειας των πρανών. Επίσης, βρίσκονται σε συμφωνία με τα αποτελέσματα τα οποία προέκυψαν από την υλοποίηση του αλγόριθμου οπισθόδρομης μετάδοσης σφάλματος στο πλαίσιο της παρούσας διατριβής). Σύμφωνα με τη μεθοδολογία που προτείνεται από τον Hudson σχετικά με το χαρακτηρισμό των παραμέτρων ως προς την ένταση αλληλεπίδρασης και την κυριαρχία τους στο σύστημα πρανές κατολίσθηση, προέκυψαν τα ακόλουθα. Για την κυκλικής μορφής αστοχία ως η πλέον κυρίαρχη παράμετρος εμφανίζεται το ύψος H, ενώ η παράμετρος γ εμφανίζεται ως η λιγότερο κυρίαρχη. Οι παράμετροι, οι οποίες έχουν τη μεγαλύτερη ένταση αλληλεπίδρασης με το σύστημα είναι, η συνοχή c, η γωνία εσωτερικής τριβής φ. Η λιγότερο αλληλεπιδραστική με το σύστημα ιεραρχείται το καθεστώς ευστάθειας S (Σχ. 10). Αποτέλεσμα - Effect (E Αίτιο - Cause (C) Σχ.10. Διάγραμμα αιτίου αποτελέσματος, περίπτωση κυκλικής μορφής αστοχίας 46 περιπτώσεις. Για την επίπεδης μορφής αστοχία η πλέον κυρίαρχη παράμετρος ιεραρχείται ο συντελεστής ασφαλείας F, ενώ η παράμετρος ύψος H ιεραρχείται ως η λιγότερο κυρίαρχη. Οι παράμετροι, οι οποίες έχουν τη μεγαλύτερη ένταση αλληλεπίδρασης με το σύστημα είναι ο συντελεστής ασφαλείας F, η γωνία εσωτερικής τριβής φ και η γωνία κλίσης του πρανούς β. Ως λιγότερο αλληλεπιδραστική με το σύστημα ιεραρχείται η συνοχή c. Για την αστοχία μορφής σφήνας η πλέον κυρίαρχη παράμετρος εμφανίζεται η γωνία εσωτερικής τριβής των ασυνεχειών φ Α,φ Β και το ειδικό βάρος της σφήνας γ, ενώ η παράμετρος ύψος H και η γωνία κλίσης του πρανούς β, εμφανίζονται ως οι λιγότερο κυρίαρχες.

19 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 19 Οι παράμετροι, οι οποίες έχουν τη μεγαλύτερη ένταση αλληλεπίδρασης με το σύστημα είναι η γωνία εσωτερικής τριβής των ασυνεχειών ψ f, και η συνοχή των ασυνεχειών c A, c B. Ως λιγότερο αλληλεπιδραστική με το σύστημα ιεραρχείται το ύψος H. Θα πρέπει να σημειωθεί όμως, ότι το μοντέλο που προτείνεται σχετικά με την εκτίμηση των βαρών για μηχανισμό ολίσθησης τύπου σφήνας παρουσιάζει μειωμένη αξιοπιστία σε σχέση με το μοντέλο εκτίμησης των βαρών με μηχανισμό κυκλικής ολίσθησης. Το συγκεκριμένο μοντέλο δεν είναι πλήρες καθώς δεν συμπεριλαμβάνονται στις παραμέτρους της ανάλυσης η κλίση και η διεύθυνση κλίσης των επιπέδων των ασυνεχειών. Η ευθεία της αλληλοτομίας των δύο ασυνεχειών δεν είναι μονοσήμαντα ορισμένη. Είναι άπειρα τα επίπεδα των οποίων το ίχνος τομής τους είναι η συγκεκριμένη ευθεία. Συνεπώς, είναι άπειρες οι σφήνες οι οποίες προκύπτουν από το συνδυασμό των δύο επιπέδων. Επίσης, η συμμετοχή της παραμέτρου του ύψους Η εμφανίζεται υποτιμημένη, γεγονός το οποίο πιθανά οφείλεται στη συγκεκριμένη ομάδα δεδομένων. 3. ΜΕΘΟΔΟΛΟΓΙΑ ΕΚΤΙΜΗΣΗΣ ΤΟΥ ΚΙΝΔΥΝΟΥ ΕΝΑΝΤΙ ΚΑΤΟΛΙΣΘΗΣΗΣ ΣΕ ΕΠΙΠΕΔΟ ΕΘΝΙΚΗΣ ΚΛΙΜΑΚΑΣ ΣΥΝΔΥΑΖΟΝΤΑΣ ΤΟΝ ΑΛΓΟΡΙΘΜΟ SELF ORGANISING MAP KAI TA ΜΗΤΡΩΑ ΑΛΛΗΛΕΠΙΔΡΑΣΗΣ Σε επίπεδο εθνικής κλίμακας εξετάστηκαν δεδομένα, τα οποία αφορούν σε 802 συμβάντα κατολισθήσεων από τον Ελληνικό χώρο. Για την ολοκλήρωση της διαδικασίας διερεύνησης του φαινομένου των κατολισθήσεων στο πλαίσιο της διδακτορικής διατριβής, θεωρήθηκε απαραίτητη η ένταξη στο μοντέλο εκτίμησης του κινδύνου ποιοτικών παραμέτρων οι οποίες, αφορούν κυρίως σε ποιοτικά χαρακτηριστικά τα οποία έχουν κατάλληλα κωδικοποιηθεί (γεωλογικός σχηματισμός, υψόμετρο, μέσο ετήσιο ύψος βροχής, κλίσεις πρανών, διεύθυνση κλίσης, ανθρωπογενής επίδραση στη βλάστηση, είδος μορφολογικού αναγλύφου, αριθμός θραύσεων του υλικού κ.ά (Πίνακας 3). Η έρευνα στο πλαίσιο της παρούσας διατριβής αντλεί στοιχεία από τα δεδομένα, όπως αυτά παρατίθενται από τον (Ζιούρκα 1990) και εστιάζει στη διερεύνηση της βαρύτητας κάθε παραμέτρου, των μεταξύ τους σχέσεων την αλληλεξάρτηση αυτών και την αμοιβαία αλληλεπίδρασή τους.

20 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 20 Πίνακας 3. Παράγοντες οι οποίοι διερευνήθηκαν σε σχέση με την εκδήλωση κατολισθήσεων στον ελληνικό γεωγραφικό χώρο / 2 GM 1 LIT o µ µ µ 3 SL 4 ALT µ 5 REL 6 RAI 7 MANT µ 8 AZI µ 9 ACT µ µ 10 DEN µ 11 DEP Συνεκτιμώντας τα αποτελέσματα που προέκυψαν με την υλοποίηση των εργαλείων που παρέχονται από το SOM Toolbox, (μητρώα αποστάσεων, συστατικά επίπεδα, ανάλυση τροχιάς, χάρτες αποστάσεων- χάρτες χρωμάτων) προέκυψαν τα παρακάτω αποτελέσματα. Για την ανάλυση με μεθόδους μη επιβλεπόμενης μάθησης μέσω του εργαλείου SOM Toolbox χρησιμοποιήθηκαν και τροποποιήθηκαν προγράμματα scripts στο περιβάλλον προγραμματισμού Matllab v Διακρίθηκαν τρεις κύριες συστοιχίες η πρώτη εκ των οποίων αφορά στις παραμέτρους ALT-RAI, και θα μπορούσε να χαρακτηρισθεί κατά αντιστοιχία με την προγενέστερη έρευνα κλιματική, η δεύτερη αποτελείται από την παράμετρο AZI- και θα μπορούσε να χαρακτηρισθεί ως μορφολογική, και η τρίτη αφορά στις παραμέτρους SL-REL-LIT-DEP-RAT, θα μπορούσε χαρακτηρισθεί ως μορφολογική- γεωλογική. Οι παράμετροι υψόμετρο ALT-μέσο ετήσιο ύψος βροχής RAI και οι παράμετροι κλίσης του μορφολογικού αναγλύφου SL είδος μορφολογικού αναγλύφου REL- ομαδοποιούνται στην ίδια συστοιχία, η διεύθυνση κλίσης ΑΖΙ εμφανίζει μια ανεξαρτησία, πράγμα το οποίο υποδηλώνει το ότι η παράμετρος είναι ισχυρή. Επιπλέον, η μέθοδος εξερευνητικής ανάλυσης αναδεικνύει ως σημαντικές τις παραμέτρους βάθος της επιφάνειας ολίσθησης DEP και την ταχύτητα κίνησης RAT, οι οποίες σχετίζονται με το μηχανισμό κίνησης.

21 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ Ιεραρχήθηκαν οι συστοιχίες σύμφωνα με το ΤΝΔ και χαρακτηρίζεται ως πρώτη η συστοιχία SL- REL-LIT-DEP-RAT, κυρίως λόγω της συμμετοχής της παραμέτρου REL η οποία εμφανίζεται με δείκτη 6, και του βάθους της επιφάνειας ολίσθησης DEP το οποίο εμφανίζεται με δείκτη 2. Δεύτερη εμφανίζεται η συστοιχία ALT-RAI, και τρίτη η συστοιχία ΑΖΙ. Επίσης, στοιχείο νέας γνώσης αποτελεί η αναγνώριση από το ΤΝΔ ότι το είδος και η διαμόρφωση του μορφολογικού αναγλύφου REL, αποτελεί τη μονάδα με τη βέλτιστη προσαρμογή. Επίσης, ότι το βάθος της επιφάνειας ολίσθησης DEP αποτελεί μονάδα με την καλύτερη προσαρμογή για το στάδιο της κίνησης ST. 3. Πραγματοποιήθηκε επίσης, ανάλυση τροχιάς τα αποτελέσματα της οποίας ιεράρχησαν το σύνολο των οκτώ πιο σημαντικών παραμέτρων (μονάδων χάρτη με τη βέλτιστη προσαρμογή). Στο πλαίσιο μιας δυναμικής διαδικασίας εξέλιξης, οι παράμετροι ιεραρχούνται ως προς την εξέλιξη και συμμετοχή στη διαδικασία εκδήλωσης μιας κατολίσθησης με τη σειρά που αναφέρονται: ALT, RAI, SL, AZI, REL, LIT, DEP, ST, RAT (Σχ. 11). Στο πλαίσιο της ανάλυσης τροχιάς επιτελείται μια προσομοίωση της διαδικασίας εκδήλωσης ενός κατολισθητικού φαινομένου με σκοπό την κατανόηση της ιεράρχησης. Δηλαδή, αναδεικνύεται μια αναλυτική προσέγγιση του προβλήματος με μια ταυτόχρονη απόδοση ιεραρχικής δομής στο σύστημα προς τα κάτω. Ειδικότερα, σύμφωνα με την ανάλυση τροχιάς για την εκδήλωση μιας κατολίσθησης για το συγκεκριμένο σύνολο δεδομένων, πρωταρχικό ρόλο έχει το υψόμετρο ALT, στη συνέχεια η επίδραση του κλίματος (μέσω του μέσου ετήσιου ύψους βροχής, έντονη ή παρατεταμένη βροχόπτωση) RAI. Η εκδήλωση αστοχίας συντελείται ανάλογα με την κλίση του πρανούς SL, και τη διεύθυνση κλίσης AZI. Από τα παραπάνω προκύπτει ότι έχει αυξημένη βαρύτητα η γεωγραφική θέση της περιοχής καθώς βρίσκεται ψηλά στην ιεραρχία. Η επίδραση του είδους του μορφολογικού αναγλύφου REL στη συνέχεια καθορίζει την εξέλιξη του φαινομένου. Συγκεκριμένα και σύμφωνα με τις παραμέτρους οι οποίες συμμετέχουν στην ανάλυση, η διαδικασία εξελίσσεται όταν το φαινόμενο εκδηλώνεται σε καλλιεργήσιμες εκτάσεις, σε σχηματισμούς με ικανό πάχος του μανδύα αποσάθρωσης

22 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 22 και σε γεωμετρίες δυσμενούς κλίσης των στοιχείων στρώσης προς το πρανές. Ακολουθεί ιεραρχικά η πιθανή επενέργεια ενός σεισμικού γεγονότος DEN, και η συνακόλουθη αναζύμωση του υλικού NUM. Παρατηρείται ότι όλα τα παραπάνω συμβαίνουν ανεξάρτητα από το είδος του γεωλογικού σχηματισμού LIT. Επίσης, μέχρι το συγκεκριμένο επίπεδο ιεραρχικής δομής οι παράμετροι δεν καθορίζουν την αμέσως επόμενη στην ιεράρχηση παράμετρο (π.χ. το υψόμετρο δεν καθορίζει την βροχόπτωση, κ.λπ.) από το επίπεδο της λιθολογίας και κάτω παρατηρείται μια τάση ιεράρχησης των παραμέτρων. Η λιθολογία επιδρά στο βάθος της επιφάνειας ολίσθησης, το βάθος της επιφάνειας ολίσθησης καθορίζει το στάδιο εξέλιξης και αυτό με τη σειρά του την ταχύτητα κίνησης. Σχ.11. Ανάλυση τροχιάς 4. Ιεραρχήθηκε η κυριαρχία των παραμέτρων και η ένταση αλληλεπίδρασής τους με το σύστημα. Μετά από κατάλληλη κωδικοποίηση του μητρώου διασποράς που προέκυψε από την εκπαίδευση του ΤΝΔ δημιουργήθηκε με τη μέθοδο SOM, το μητρώο αλληλεπίδρασης και το διάγραμμα αιτίου αποτελέσματος για το σύστημα της κατολίσθησης και προέκυψε ότι το σύστημα είναι ιδιαίτερα αλληλεπιδραστικό. Σύμφωνα με το διάγραμμα (Σχ. 12) η πλέον κυρίαρχη παράμετρος είναι το είδος του

23 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 23 μορφολογικού αναγλύφου REL, ενώ η παράμετρος η λιγότερο κυρίαρχη είναι η διεύθυνση κλίσης ΑΖΙ. Οι παράμετροι οι οποίες έχουν τη μεγαλύτερη ένταση αλληλεπίδρασης με το σύστημα είναι το είδος του μορφολογικού αναγλύφου REL, η ανθρωπογενής επίδραση στη βλάστηση ACT, ο προσανατολισμός της στρώσης σε σχέση με το πρανές GM. Οι λιγότερο αλληλεπιδραστικές είναι η διεύθυνση κλίσης AZI, και το στάδιο της κίνησης ST. C = E ACT, GM MANT RAT ALT REL AZI DEN LIT, DEP RAI, SL, NUM ST Σχ.12. Διάγραμμα αιτίου αποτελέσματος για τις παραμέτρους που συμμετέχουν στην ανάλυση. 4 ΠΡΟΤΕΙΝΟΜΕΝΗ ΜΕΘΟΔΟΛΟΓΙΑ ΕΚΤΙΜΗΣΗΣ ΚΙΝΔΥΝΟΥ ΚΑΤΟΛΙΣΘΗΣΕΩΝ ΣΕ ΕΠΙΠΕΔΟ ΜΕΣΑΙΑΣ ΚΛΙΜΑΚΑΣ ΣΥΝΔΥΑΖΟΝΤΑΣ ΤΝΔ ΚΑΙ ΓΠΣ Σε επίπεδο μεσαίας κλίμακας προτάθηκαν δύο μοντέλα εκτίμησης του κινδύνου έναντι κατολισθήσεων. Πρόκειται για δύο υβριδικά μοντέλα, τα οποία συνδυάζουν μεθόδους σύνθεσης δεικτών παραμετρικών χαρτών και μεθόδους τεχνητών νευρωνικών δικτύων ή μεθόδους ντετερμινιστικής ανάλυσης και μεθόδους ΤΝΔ για την εκτίμηση του βαθμού κινδύνου. Στα σχήματα 13 και 14 που ακολουθούν παρουσιάζονται τα διαγράμματα ροής των δύο προτεινόμενων μοντέλων.

24 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 24 BP - µ µ µ F / S r i Sarma (b) k c M, r Newmark Ambraseys, Menu Srbulov, ASCE (Ambrahhamson Silva) u P(f) µ Σχ.13. Γεωτεχνικό μοντέλο εκτίμησης κινδύνου. µ µ µ SOM Hudson µ µ µ µ µ Σχ.14. Μοντέλο εκτίμησης κινδύνου μέσω ποιοτικών παραμέτρων. Το πρώτο μοντέλο αφορά σε μία γεωτεχνική προσέγγιση εκτίμησης του κινδύνου μέσω του συντελεστή ασφαλείας και εφαρμόστηκε σε μια περιοχή με έντονη σεισμική δραστηριότητα πλησίον της πόλης του Αιγίου. Η προτεινόμενη μεθοδολογία έχει τα εξής βασικά πλεονεκτήματα έναντι των γνωστών μεθόδων ντετερμινιστικής προσέγγισης: Υπολογίζει το συντελεστή ασφαλείας για κάθε στοιχειώδες τμήμα του μορφολογικού αναγλύφου ξεπερνώντας το πρόβλημα της χωρικής επέκτασης της παραμέτρου του

25 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 25 συντελεστή ασφαλείας που έχει υπολογιστεί για συγκεκριμένα χαρακτηριστικά πρανή στο σύνολο της περιοχής έρευνας. Πρόκειται για ένα δυναμικό εργαλείο, το οποίο δίνει τη δυνατότητα στο χρήστη να μεταβάλει τις τιμές των γεωτεχνικών παραμέτρων, να προσθέτει μεταβλητές, όπως για παράδειγμα την ύπαρξη ή όχι πιεζομετρικής επιφάνειας ή την επίδραση ενός σεισμικού γεγονότος συγκεκριμένου μεγέθους, με αποτέλεσμα να δημιουργείται για κάθε σενάριο ένας νέος χάρτης εκτίμησης του βαθμού κινδύνου. Σύμφωνα με τα παραπάνω είναι εφικτή η βελτιστοποίηση του μοντέλου προσομοιώνοντας ανάλογα με τα διαθέσιμα κάθε φορά στοιχεία το τεχνικογεωλογικό προσομοίωμα της περιοχής καθώς τη χρονική διαφοροποίηση των τιμών των γεωτεχνικών παραμέτρων. Λαμβάνοντας υπόψη το γεγονός ότι οι τιμές των γεωτεχνικών παραμέτρων μεταβάλλονται συναρτήσει του χρόνου, καθώς επίσης και το ότι η ενόργανη παρακολούθηση δεν είναι αποτελεσματική, λόγω του απαιτούμενου κόστους προτείνεται η χρήση του συγκεκριμένου μοντέλου, το οποίο μπορεί να τροφοδοτείται συνεχώς με στοιχεία και να παράγει ως έξοδο χάρτες οι οποίοι απεικονίζουν τη χωρική κατανομή της μεταβολής του συντελεστή ασφαλείας για τη συγκεκριμένη περιοχή μελέτης με το χρόνο. Έμμεσα με τον τρόπο αυτό, ενσωματώνεται στο μοντέλο και η διάσταση του χρόνου. Δίνεται η δυνατότητα εκτίμησης του συντελεστή ασφαλείας έναντι κυκλικής μορφής αστοχίας, επίπεδης μορφής αστοχίας, μέσω τεχνητών νευρωνικών δικτύων ξεπερνώντας τον περιορισμό της παραδοχής του μοντέλου άπειρου εκτάσεως. Στο πλαίσιο του συγκεκριμένου μοντέλου πραγματοποιήθηκε υπολογισμός του στατικού συντελεστή ασφαλείας μέσω ΤΝΔ (Σχ. 15), στη συνέχεια υπολογίστηκε ο δείκτης αξιοπιστίας β, έγινε ανάλυση μόνιμων μετατοπίσεων (Ambraseys 1995), υπολογίστηκε η πιθανότητα αστοχίας, (Weibull, W.,1939) για την περιοχή πλησίον της πόλης του Αιγίου. Για την πραγματοποίηση των παραπάνω αναπτύχθηκε το πρόγραμμα Landslide Hazard Estimation Tool με γλώσσα προγραμματισμού (Arc/ Info Macro Language) που παρέχει το λογισμικό Arc/Info.

26 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 26 Σχ.15. Χάρτης στατικού συντελεστή ασφαλείας. Το δεύτερο μοντέλο το οποίο προτείνεται για την εκτίμηση του κινδύνου σε περιοχή του Ν. Ευρυτανίας, μια περιοχή ιδιαίτερα επιρρεπή σε κατολισθήσεις, θα μπορούσε να χαρακτηριστεί ως black box model, σύμφωνα με το διαχωρισμό κατά Carrara (1990), είναι όμως δυνατό να ενταχθεί και στην κατηγορία των ποιοτικών μεθόδων σύνθεσης δεικτών παραμετρικών χαρτών. Έχει όμως βασικά πλεονεκτήματα έναντι των κλασικών ποιοτικών μεθόδων: Ξεπερνά το πρόβλημα του υποκειμενικού προσδιορισμού των βαρών, καθώς η μεθοδολογία, η οποία προτείνεται χρησιμοποιεί μεθόδους τεχνητών νευρωνικών δικτύων και το μητρώο αλληλεπίδρασης Hudson (1992) για την απόδοση των βαρών στις παραμέτρους. Μέσω αυτού του μητρώου γίνεται επίσης ανάλυση των σχέσεων αιτίου - αποτελέσματος για το σύστημα της κατολίσθησης κάτι το οποίο δεν καθίσταται δυνατό με άλλες μεθόδους. Όπως είναι γνωστό μία κατολίσθηση σπάνια συνδέεται με μία και μόνο αιτία. Το μεγάλο εμπόδιο στη μελέτη των κατολισθήσεων είναι η αναγνώριση όλων των παραγόντων που συντελούν στην εκδήλωση του φαινομένου, και

27 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 27 ο προσδιορισμός των μεταξύ τους σχέσεων, το οποίο επιλύεται μέσω της προτεινόμενης μεθοδολογίας, ολιστικής προσέγγισης. Χρησιμοποιούνται άμεσοι και σαφείς κανόνες για τον προσδιορισμό του κινδύνου, με αποτέλεσμα να είναι ευχερής η επικαιροποίηση του μοντέλου κάθε φορά που υπάρχουν νέα διαθέσιμα δεδομένα. Συνεπώς, είναι δυνατόν να εξάγονται ασφαλή και αξιόπιστα συμπεράσματα κάθε φορά που το μοντέλο τροφοδοτείται με νέα διαθέσιμα στοιχεία. Έχει, επίσης, βασικά πλεονεκτήματα έναντι των κλασικών ποσοτικών μεθόδων στατιστικής ανάλυσης: Eπεξεργάζεται τη συνδυασμένη επιρροή όλων των παραγόντων στο σύστημα και τη μεταξύ τους συσχέτιση, ξεπερνώντας τους περιορισμούς της στατιστικής ανάλυσης. Οι μέθοδοι στατιστικής ανάλυσης προϋποθέτουν τη σύνταξη χάρτη απογραφής υφιστάμενων κατολισθήσεων. Συνεπώς, έχουν εφαρμογή κατ αρχήν σε περιοχές επιρρεπείς σε κατολισθήσεις. Η συνήθης τεχνική που ακολουθείται για επέκταση του μοντέλου και σε δυνητικά ασταθείς περιοχές είναι η μέθοδος επέκτασης. Με την εφαρμογή της προτεινόμενης μεθοδολογίας είναι εφικτός ο προσδιορισμός του κινδύνου ακόμη και σε περιοχές στις οποίες δεν έχουν ιστορικό κατολισθήσεων χωρίς την υλοποίηση αλγορίθμων επέκτασης. Τα πρωτογενή στοιχεία για τη διεξαγωγή της παρούσας έρευνας αντλούνται από τον (Ζιούρκας 1989). Τα στοιχεία των βάσεων δεδομένων που αφορούν στη συγκεκριμένη περιοχή μελέτης εισήχθησαν σε ένα ΓΠΣ και στη συνέχεια τροφοδότησαν ένα σύστημα τεχνητών νευρωνικών δικτύων μη επιβλεπόμενης μάθησης. Στο πλαίσιο της συγκεκριμένης διαδικασίας πραγματοποιήθηκε ανάλυση και επεξεργασία των δεδομένων με μεθόδους εξερευνητικής ανάλυσης και αναδείχθηκαν συστοιχίες και μη γραμμικές σχέσεις μεταξύ των πεδίων της βάσης. Χρησιμοποιήθηκαν τα εργαλεία απεικόνισης, τα οποία παρέχει το SOM Toolbox προκειμένου να διερευνηθεί η εσωτερική δομή των δεδομένων. Για την ανάλυση μέσω του εργαλείου SOM Toolbox χρησιμοποιήθηκαν και τροποποιήθηκαν προγράμματα scripts στο περιβάλλον προγραμματισμού Matllab v.6.5. Σύμφωνα με τα αποτελέσματα της εξερευνητικής ανάλυσης προκύπτουν τα παρακάτω συμπεράσματα:

28 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ Αναδεικνύονται τρεις συστοιχίες μεταβλητών, η πρώτη εκ των οποίων αφορά στις παραμέτρους ALT-RAΙN, και θα μπορούσε να χαρακτηρισθεί κατά αντιστοιχία με την προγενέστερη έρευνα κλιματική - μορφολογική, η δεύτερη αποτελείται από τις παραμέτρους REL- DEN- MANT - και θα μπορούσε να χαρακτηρισθεί ως μορφολογική, και η τρίτη αφορά στις παραμέτρους AZI -GM - SL- LIT, θα μπορούσε χαρακτηρισθεί ως μορφολογική- γεωλογική. Η ουσιαστική προσφορά της μεθόδου είναι ότι με την εφαρμογή της επιχειρείται η ανάδειξη συστοιχιών, δηλαδή διερευνάται η τάση των μεταβλητών η των δεδομένων για δημιουργία συστοιχιών. Οι παράμετροι υψόμετρο ALT-μέσο ετήσιο ύψος βροχής RAI και οι είδος μορφολογικού αναγλύφου REL και κλίση των στρωμάτων ως προς το πρανές είναι ισχυρές. 2. Πραγματοποιήθηκε σύγκριση των αποτελεσμάτων με αυτά που προέκυψαν σε επίπεδο εθνικής κλίμακας και ιεραρχήθηκαν οι συστοιχίες. Σε σχέση με τα αποτελέσματα, τα οποία προέκυψαν από την εφαρμογή μεθόδων εξερευνητικής ανάλυσης για το σύνολο των 802 κατολισθήσεων που αφορούν στο σύνολο του Ελλαδικού χώρου, υπάρχει συμφωνία ως προς το ότι το υψόμετρο και το μέσο ετήσιο ύψος βροχής προβάλλονται στην ίδια συστοιχία του χάρτη αυτοοργάνωσης. Η διεύθυνση κλίσης ΑΖΙ βρίσκεται στην ίδια συστοιχία με τις παραμέτρους GM -SL- LIT στην περιοχή που εξετάζεται στο Ν. Ευρυτανίας, ενώ στη βάση δεδομένων που αφορά στον Ελληνικό χώρο συνολικά, παρουσιάζει μια ανεξαρτησία. Θα πρέπει επίσης να σημειωθεί ότι στην ανάλυση για την περιοχή στον Ν. Ευρυτανίας δεν εξετάζονται οι παράμετροι DEP-RAT. Παρατηρείται ότι στην περίπτωση του Ν. Ευρυτανίας κυριαρχεί το μέσο ετήσιο ύψος βροχής RAI και το υψόμετρο ALT ως κύριοι παράγοντες λόγω της τοπικής επίδρασης των συγκεκριμένων παραγόντων. Πρόκειται για μια πληροφορία η οποία αφομοιώνεται στο επίπεδο εθνικής κλίμακας, όπου φαίνεται να κυριαρχεί το είδος του μορφολογικού αναγλύφου REL. Συνεπώς, έχει αυξημένη βαρύτητα η γεωγραφική θέση της περιοχής η οποία σύμφωνα με τα αποτελέσματα της ανάλυσης τροχιάς και η οποία πραγματοποιήθηκε στο σύνολο των δεδομένων βρίσκεται ψηλά στην ιεραρχία.

29 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ Ιεραρχήθηκε η κυριαρχία των παραμέτρων και η ένταση αλληλεπίδρασής τους με το σύστημα. Μετά από κατάλληλη κωδικοποίηση του μητρώου διασποράς που προέκυψαν από την εκπαίδευση του ΤΝΔ δημιουργήθηκε το μητρώα αλληλεπίδρασης και το διαγράμματα αιτίου αποτελέσματος για το σύστημα της κατολίσθησης. Σύμφωνα με το μητρώο το σύστημα είναι ιδιαίτερα αλληλεπιδραστικό. Η πιο κυρίαρχη παράμετρος είναι το υψόμετρο ALT, και το μέσο ετήσιο ύψος βροχής RAI, το πάχος του μανδύα αποσάθρωσης MANT και ο βαθμός ανθρωπογενούς επίδρασης στη βλάστηση ACT ενώ η παράμετρος η λιγότερο κυρίαρχη ιεραρχείται η κλίση SL. Οι παράμετροι οι οποίες έχουν τη μεγαλύτερη ένταση αλληλεπίδρασης με το σύστημα η ανθρωπογενής επίδραση στη βλάστηση ACT. Οι λιγότερο αλληλεπιδραστικές είναι η μέγιστη σεισμική ένταση DEN. Ο χάρτης εκτίμησης κινδύνου όπως προέκυψε για την περιοχή που εξετάσθηκε στον Ν. Ευρυτανίας φαίνεται στο Σχ Σχ.16. Χάρτης εκτίμησης βαθμού κινδύνου

30 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ ΚΥΡΙΑ ΣΥΜΠΕΡΑΣΜΑΤΑ Αναπτύχθηκαν ΤΝΔ τα οποία εκτιμούν το συντελεστή ασφαλείας F, και το ποσοστό ευστάθειας S, ενός εδαφικού ή βραχώδους πρανούς με την υλοποίηση του αλγόριθμου οπισθόδρομης μετάδοσης σφάλματος (back-propagation). Οι τιμές του συντελεστή ασφαλείας F όπως υπολογίστηκαν από τα ΤΝΔ σε σχέση με τις τιμές του συντελεστή ασφαλείας F; όπως υπολογίστηκαν με ανάλυση παλινδρόμησης βρίσκονται πιο κοντά στις τιμές του συντελεστή ασφαλείας F, όπως υπολογίστηκαν από αναλυτικές μεθόδους. Διαπιστώθηκε η ικανότητα των ΤΝΔ να ανιχνεύουν σε ένα σύνολο αρχικών δεδομένων πρανών που ελέγχονται έναντι κυκλικής μορφής αστοχίας, ένα υποσύνολο κοκκωδών εδαφών, για το οποίο δεν ισχύει o αρχικός έλεγχος έναντι κυκλικής μορφής αστοχίας. Σύμφωνα με το συγκεκριμένο συμπέρασμα επιβεβαιώθηκε ότι τα ΤΝΔ αναγνωρίζουν διαφορετικές ομάδες δεδομένων από ένα σύνολο δεδομένων, καθώς επίσης ότι δεν προαπαιτούν την ύπαρξη προϋπάρχουσας γνώσης και εμπειρίας για να επιτύχουν την επιθυμητή σύγκλιση. Υλοποιήθηκε μια αντικειμενική ορθολογική ποσοτικοποιημένη και ακριβής ιεράρχηση των βαρών των παραμέτρων οι οποίες εμπλέκονται στον υπολογισμό του συντελεστή ασφαλείας. Η ιεράρχηση των βαρών όπως προέκυψε με την εφαρμογή της μεθόδου διαμέρισης των βαρών είναι σύμφωνη με τη γνώση η οποία απορρέει από τη μακροχρόνια επιστημονική παρατήρηση και ανάλυση των πρανών. Πραγματοποιήθηκε ολιστική προσέγγιση του προβλήματος της ευστάθειας των πρανών ενσωματώνοντας στην ανάλυση τις ποιοτικές παραμέτρους καθεστώς ευστάθειας και μηχανισμός αστοχίας. Αναπτύχθηκαν ΤΝΔ μη επιβλεπόμενης μάθησης, τα οποία ανιχνεύουν με μεθόδους εξερευνητικής ανάλυσης την τάση των δεδομένων για δημιουργία συστοιχιών ως προς το μηχανισμό αστοχίας και ως προς το καθεστώς ευστάθειας. Ιεραρχήθηκε η κυριαρχία και η ένταση αλληλεπίδρασης των παραμέτρων (ποιοτικών και ποσοτικών) στο σύστημα κατολίσθηση, με τρόπο αντικειμενικό, ακριβή και ποσοτικοποιημένο. Τα αποτελέσματα της ιεράρχησης της κυριαρχίας και της έντασης

31 ΜΑΪΟΣ - ΙΟΥΝΙΟΣ 2006 ΤΕΧΝΙΚΑ ΧΡΟΝΙΚΑ 31 αλληλεπίδρασης όπως προέκυψαν από την εφαρμογή του αλγόριθμου SOM και του μητρώου αλληλεπίδρασης έδωσαν αποτελέσματα ρεαλιστικά και σύμφωνα με τη συσσωρευμένη γνώση και εμπειρία γύρω από το πρόβλημα της ευστάθειας των πρανών. Συνάγεται επίσης, το συμπέρασμα ότι οι χάρτες αυτοοργάνωσης (SOM) αναδεικνύουν δομές δεδομένων (συστοιχίες) σε ένα σύνολο δεδομένων με τρόπο διαφορετικό από ότι οι αλγόριθμοι προβολής πολυμεταβλητών δεδομένων ή οι μέθοδοι πολυμεταβλητής στατιστικής ανάλυσης. Από την υλοποίηση του αλγόριθμου SOM σε ένα σύνολο δεδομένων μεγάλης διάστασης, το οποίο αποτελείται από τις παραμέτρους οι οποίες ελέγχουν το φαινόμενο των κατολισθήσεων προέκυψε ως αποτέλεσμα ότι: υπάρχει τάση διατήρησης των σχέσεων γειτνίασης μεταξύ των παραμέτρων (πεδίων της βάσης δεδομένων) και όχι διατήρησης των μεταξύ τους αποστάσεων. Αναδεικνύεται η τάση δημιουργίας συστοιχιών γύρω από την παράμετρο (διάνυσμα με τη βέλτιστη προσαρμογή) η οποία χαρακτηρίζει την συστοιχία με σαφές φυσικό νόημα. Αντίθετα, στις μεθόδους πολυμεταβλητής ανάλυσης, δημιουργούνται ομάδες παραμέτρων ή διανυσμάτων, οι οποίες δεν έχουν άμεσο και διακριτό φυσικό νόημα. Τα Γεωγραφικά Πληροφοριακά Συστήματα παρέχουν αφενός τη δυνατότητα ολοκληρωμένης ανάλυσης μέσα στο σύστημά τους, μέσω της ενσωμάτωσης κριτηρίων αστοχίας σε στατική ή δυναμική φόρτιση και υπολογισμού του συντελεστή ασφαλείας, και αφετέρου αποτελούν απαραίτητα εργαλεία για την υποδοχή των επεξεργασμένων δεδομένων ή αποτελεσμάτων από τα ΤΝΔ για τη δημιουργία χαρτών εκτίμησης του βαθμού κινδύνου μιας περιοχής έναντι της πιθανότητας εκδήλωσης κατολίσθησης. 6. ΘΕΜΑΤΑ ΤΑ ΟΠΟΙΑ ΠΡΟΣΦΕΡΟΝΤΑΙ ΓΙΑ ΜΕΛΛΟΝΤΙΚΗ ΕΡΕΥΝΑ Η ανάπτυξη ενός ολοκληρωμένου μέσου αλληλεπίδρασης (interface) μεταξύ των Γεωγραφικών Πληροφοριακών Συστημάτων (ΓΠΣ) και των μεθόδων της τεχνητής ευφυΐας ή και άλλων αριθμητικών μεθόδων όπως η μέθοδος των Πεπερασμένων Στοιχείων. Χρησιμοποιώντας το ΓΠΣ ως περιβάλλον αλληλεπίδρασης, θα είναι δυνατή η τροφοδότηση των ΤΝΔ με τα αποτελέσματα της ανάλυσης από μοντέλα πεπερασμένων