مقایسه الگوریتم های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدل سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران
Authors
abstract
تغییرات پوشش سرزمین و توسعه شهرها سبب تخریب زیستگاه های طبیعی و کاهش تنوع زیستی شده است. یکی از روش های مورد استفاده برنامه ریزان جهت کنترل روند تغییرات پوشش سرزمین و کاربری اراضی، مدل سازی می باشد. این مطالعه، با هدف مقایسه رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی جهت مدل سازی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران انجام شد. جهت تحلیل تغییرات منطقه از تصاویر ماهواره landsat متعلق به سال های 1367، 1379، 1385 و 1390، مورد استفاده قرار گرفت. همچنین، مدل سازی پتانسیل انتقال با استفاده از رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی انجام پذیرفت. جهت پیش بینی تغییر پوشش سرزمین سال 1390، از دوره واسنجی 1385-1379 با استفاده از زنجیره مارکف و مدل پیش بینی سخت استفاده شد. صحت مدل سازی نیز با استفاده از ضریب کاپا ارزیابی شد. نتایج حاصل از ضرایب کاپا نشان داد که اگرچه رگرسیون لجستیک (8456/0) دقت بالاتری نسبت به پرسپترون چندلایه شبکه عصبی مصنوعی (8276/0) دارد، خطی کردن متغیرها، تأثیر زیادی در افزایش صحت مدل در منطقه مورد مطالعه نداشته است.
similar resources
مقایسه الگوریتم‌های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدلسازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران
تغییرات پوشش سرزمین و توسعه شهرها سبب تخریب زیستگاه‌های طبیعی و کاهش تنوع زیستی شده است. یکی از روشهای مورد استفاده برنامه‌‌ریزان جهت کنترل روند تغییرات پوشش سرزمین و کاربری اراضی، مدلسازی می‌باشد. این مطالعه، با هدف مقایسه رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی جهت مدلسازی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران انجام شد. جهت تحلیل تغییرات منطقه از تصاویر ماهواره L...
full textشبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(ANN) در سواحل استان مازندران
چکیده امروزه یکی از مسائل محدود کننده در بحث تأمین آب، مسئله کیفیت آب است. اندازه گیری پارامتر های کیفی آب زیر زمینی مستلزم صرف هزینه های زیاد و زمان بر می باشد. برآورد پارامترهای کیفی آب با استفاده از مدل ها موجب کاهش هزینه ها و دسترسی به آمار جامعی برای مدیریت منابع آب خواهد شد. در این تحقیق از شبکه عصبی مصنوعی (ANN) برای شبیه سازی شوری آب زیرزمینی در سواحل استان مازندران استفاده شد. بدین ...
full textمقایسه عملکرد الگوریتم های مختلف شبکه عصبی مصنوعی در مدل سازی بارندگی فصلی مطالعه موردی؛ ایستگاه های منتخب استان خوزستان
full text
بررسی روش رگرسیون چند متغییره و شبکه عصبی مصنوعی (ANN) در شبیه‌سازی شوری آب زیرزمینی در سواحل استان مازندران
متاسفانه اطلاعات کمی و کیفی جامع از منابع آب در کشور ما محدود است و این امر موجب اهمیت بکارگیری روشهای و مدلهای مختلف به منظور برآورد پارامترهای کمی و کیفی منابع آب شده است. تحقیق حاضر با هدف مقایسه عملکرد و کارایی دو روش رگرسیون چند متغییره و شبکه عصبی مصنوعی در مدلسازی و برآورد شوری آب زیرزمینی در سواحل استان مازندر...
full textمقایسه عملکرد شبکه عصبی مصنوعی و رگرسیون لجستیک در تحلیل تشخیص شاخصq توبین
شاخص توبین یکی از شاخص های مهم در دنیای سرمایه گذاری است که بعنوان معیاری برای ارزیابی عملکرد شرکت ها جهت تصمیم گیری برای سرمایه گذاری های صحیح به کار می رود. اما در دقت نتایج مبتنی بر این شاخص، ابهاماتی وجود دارد که پژوهشگران را بر آن داشته است تا به دنبال برآورد این شاخص از روی دیگر شاخص های مالی باشند. اما شاخص توبین یک شاخص پویاست و به علت مبتنی بودن بر قیمت بازار، ممکن است در لحظه مقدار آن...
full textمدل سازی تغییرات پوشش اراضی با استفاده از شبکه عصبی مصنوعی و زنجیرة مارکف (مطالعة موردی: سواحل میانی استان بوشهر)
اراضی ساحلی استان بوشهر به علت موقعیت ویژه در صادرات و واردات دریایی، وجود ذخایر نفت و گاز، کشاورزی، وجود نیروگاه هسته‌ای، شرایط مناسب صید و صیادی و جاذبههای گردشگری از اهمیت راهبردی و اقتصادی بالایی برخوردار است. از این رو میبایست از روشهای نوین جهت پایش و مدلسازی تغییرات در این مناطق استفاده نمود. هدف از این مطالعه، پایش و مدلسازی تغییرات کاربری اراضی در یک دوره 23 ساله (1367-1390) با اس...
full textMy Resources
Save resource for easier access later
Journal title:
پژوهش های محیط زیستجلد ۵، شماره ۹، صفحات ۱۶۷-۱۷۶
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023