کارایی روش شبکه عصبی مصنوعی در برآورد موجودی سرپای توده های جنگلی
Authors
abstract
به طور کلی برای اداره و بهره برداری بهینه و پایدار از جنگل، آگاهی از موجودی حجمی جنگل و تولید آن ضروریست. برآورد دقیق موجودی حجمی به روش های متداول به طور عموم مستلزم وقت و هزینه زیادی است و گاهی نیز دارای دقت کافی نیست. یکی از روش های نوین در برآورد مشخصه های کمی جنگل استفاده از الگوریتم شبکه عصبی مصنوعی است که با الگوبرداری از شبکه عصبی مغز انسان، با اجرای فرآیند آموزش روابط درونی بین داده ها را استخراج می کند و در موقعیت دیگر تعمیم می دهد. در پژوهش پیش رو از داده های 258 قطعه نمونه دائم که در بخش گرازبن به وسعت 934/24 هکتار به طور منظم- تصادفی مستقر شده بودند، استفاده شد. پس از رفع نواقص آماری و حذف داده های پرت، 80 درصد داده ها برای آموزش و 20 درصد برای آزمون شبکه استفاده شد. پس از استاندارد کردن داده ها با استفاده از داده های سری آموزش، شبکه عصبی با الگوریتم پس انتشار ایجاد شد. همچنین با استفاده از داده های سری آموزش، رابطه رگرسیونی بین داده های حجم و پارامترهای تعیین کننده آن بررسی شد. به منظور ارزیابی نتایج دو روش از داده های سری آزمون و از معیارهای rmse، mae و r2 استفاده شد. نتایج نشان دهنده دقت بیشتر برآوردهای مدل شبکه عصبی (متر مکعب در هکتار 006/1=rmse، متر مکعب در هکتار 0/69=mae و 0/98=r2) در مقایسه با برآوردهای مدل رگرسیونی (m3/ha 2/5=rmse، m3/ha 0/95=mae و 0/85=r2) بود. بیشتر بودن ضریب تعیین به دلیل زیاد بودن داده ها و رابطه منطقی بین داده های ورودی و خروجی بود.
similar resources
کارایی روش شبکه عصبی مصنوعی در برآورد موجودی سرپای توده‌های جنگلی
به‌طور کلی برای اداره و بهره‌برداری بهینه و پایدار از جنگل، آگاهی از موجودی حجمی جنگل و تولید آن ضروریست. برآورد دقیق موجودی حجمی به روش‌های متداول به‌طور عموم مستلزم وقت و هزینه زیادی است و گاهی نیز دارای دقت کافی نیست. یکی از روش‌های نوین در برآورد مشخصه‌های کمی جنگل استفاده از الگوریتم شبکه عصبی مصنوعی است که با الگوبرداری از شبکه عصبی مغز انسان، با اجرای فرآیند آموزش روابط درونی بین داده‌ها...
full textبررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دسته‌بندی‌شده
بار رسوب جریان، شاخص مفیدی در پیش‌بینی فرسایش خاک در حوزه‌های آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب می‌تواند در مدیریت و اجرای پروژه‌های آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دسته‌بندی داده‌ها به‌عنوان راه‌کاری برای افزایش دقت شبکه عصبی مصنوعی در تدوین مدل برآورد رسوب معلق بررسی شد. بدین منظور، میزان آورد رسوبات معلق رودخانه‌های خلیفه‌ترخان و چهل‌گزی در حوضۀ قشلاق...
full textعملکرد شبکه عصبی مصنوعی و شبکه عصبی فازی- تطبیقی در برآورد غلظت ازن در شهر تهران
در سال‌های اخیر آلودگی هوا به عنوان یکی از بزرگ ترین مشکلات زیست محیطی در سطح جهانی مطرح شده است. ازن تروپوسفری یک آلاینده ثانویه است و سبب بروز مشکلات تنفسی و تاثیر حاد بر گیاهان می‌شود. در این مطالعه به دلیل غیر خطی بودن و پیچیدگی این پدیده‌هابه مقایسه برآورد غلظت آلاینده ازن با استفاده از شبکه عصبی مصنوعی و شبکه عصبی فازی-تطبیقی پرداخته شد. در پژوهش حاضر از متغیرهای هواشناسی در ...
full textبکارگیری شبکه های عصبی مصنوعی جهت برآورد ارزش آفرینی راهبردی شرکت ها از طریق کارایی نسبی در صنعت خودرو
full text
برآورد مشخصات پرش هیدرولیکی متحرک با کاربرد شبکه عصبی مصنوعی و روش تلفیقی شبکه عصبی-الگوریتم ژنتیک
پرش هیدرولیکی متحرک، حالت خاصی از جریان غیرماندگار است که باعث تغییر رژیم و وقوع ناپیوستگی هیدرولیکی در جریان می شود . در روندیابی جریان غیرماندگار و یا برنامه های بهره برداری کانال های روباز، آگاهی از رفتار چنین جریانی در باز ه ها ضروری است . این درحالی است که شبیه سازی عددی این پدیده به واسطه وجود ناپیوستگی هیدرولیکی و غیرماندگاری جریان، پیچیده است و داده های آزمایشگاهی در این مورد نیز محدو...
full textMy Resources
Save resource for easier access later
Journal title:
تحقیقات جنگل و صنوبر ایرانجلد ۲۴، شماره ۲، صفحات ۲۲۶-۲۱۴
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023