مدلسازی خطر سقوط درختان خطرآفرین با کاربرد شبکه عصبی مصنوعی و رگرسیون لجستیک در فضای سبز شهری
Authors
Abstract:
درختان فضای سبز شهری بهرغم ارائه طیف وسیعی از منافع زیستمحیطی، زیباشناختی، اجتماعی، فیزیولوژیکی و اقتصادی میتوانند باعث خطرات جانی و مالی برای شهروندان شوند. اهداف این تحقیق برآورد احتمال خطر سقوط درختان نارون و مدلسازی آن از طریق شبکه عصبی و رگرسیون لجستیک است، بدینترتیب 129 اصله درخت نارون در خیابان شریعتی شهرکرد بررسی شدند. برای این منظور، متغیرهای قطر و ارتفاع درخت، شاخه و سرشاخههای خشکیده، شکاف یا ترک، وضعیت و ضعف ساختاری، مشکلات ریشه و پوسیدگی تنه و شاخه بهعنوان متغیرهای مستقل و طبقه شدت خطرآفرینی درختان نارون بهعنوان متغیرهای وابسته در مدل شبکه عصبی مصنوعی و رگرسیون لجستیک استفاده شدند. در این پژوهش از شبکه پرسپترون چند لایه با 5 نورون در لایه ورودی، یک لایه پنهان با 20 نورون و یک نورون در لایه خروجی استفاده شد. نتایج نشان داد که رگرسیون لجستیک نتوانست بین متغیرهای مستقل و طبقه شدت خطرآفرینی درختان نارون برازش خوبی را انجام دهد. در صورتی که شبکه عصبی قادر بود مدلی مناسب را برازش دهد. به طور کلی شبکه عصبی با کارایی مناسب و بالا در مقایسه با روش رگرسیون لجستیک، برای پیشبینی خطر سقوط درختان نارون، مناسبتر بوده است.
similar resources
مدل سازی ریسک سقوط درختان چنار خطرآفرین در فضای سبز شهری
Trees in urban areas have survived in a wide variety of conditions and constrains, whether developing in natural or manmade habitats. Due to environmental constrains and stresses, urban trees rarely achieve their biological potentials. Indeed, some of trees, in small groups, could excel in terms of age, biomass structure and dimensions in urban areas. In definition, tree hazard includes entirel...
full textمدل سازی ریسک سقوط درختان چنار خطرآفرین در فضای سبز شهری
مدیریت درختان خطرآفرین به بررسی احتمال خطر درختان در محیطهای طبیعی و انسان ساخت میپردازد. از آنجاییکه درختان خطرآفرین در فضای سبز شهری از اهمیت بالایی برخوردارند، شناسایی و کمیسازی شدت ریسک این درختان اجتنابناپذیر است و فقط در این صورت امکان مدیریت ریسک و انجام اقدامات پیشگیرانه و به موقع فراهم میگردد. در این مطالعه در مجموع 200 درخت چنار خطرآفرین با ساختار ناپایدار در شهر کرج شناسایی و اط...
full textمدلسازی توسعه شهری همدان با استفاده از شبکه عصبی مصنوعی و رگرسیون لجستیک
در کشورهای درحال توسعه گرایشی شدید به شهر نشینی وجود دارد, در نتیجه شهرها با رشد سریع مواجه می شوند. جهت اجتناب از تاثیرات مخرب زیست محیطی و اجتماعی – اقتصادی, اعمال برنامه ریزی های صحیح و مناسب امری ضروری است. طراحان و برنامه ریزان شهری به اطلاعات مکانی و زمانی مرتبط با الگوهای رشد شهری جهت درک بهتر فرآیند توسعه شهری, تاثیرات آن و اتخاذ سیاست های مدیریتی و برنامه ریزی موثر نیازمندند. در این تح...
کاربرد شبکه عصبی مصنوعی و رگرسیون حداقل مربعات معمولی در مدلسازی تغییرات کاربری سرزمین
با توجه به اهمیت بالای اثر تغییرات کاربری سرزمین در آینده، لازم است الگوی رشد و تغییر کاربریها قبل از اتخاذ هر گونه تصمیمی به مسئولان و تصمیمگیرندگان امور مربوط ارائه شود. هدف این پژوهش مدلسازی تغییرات کاربری سرزمین در منطقة کوهمره سرخی استان فارس با استفاده از روش رگرسیون حداقل مربعات معمولی برای پیشپردازش متغیرها و مدلسازی با استفاده از شبکة عصبی است. بدین منظور نقشههای کاربری سرزمین با...
full textمدل سازی کیفیت زیباشناختی منظر در فضای سبز شهری با استفاده از شبکه عصبی مصنوعی
ارزیابیهای کیفیت منظر عمدتا اشاره به نقش کلیدی عناصر طبیعی و مصنوعی منظر در ایجاد رضایتمندی و درک زیبایی از منظر دارند. هدف از این مقاله مدلسازی ارزیابی کیفیت زیباشناختی منظر با استفاده از شبکه عصبی مصنوعی به منظور کشف روابط حاکم در ساختار منظر و ارتباط عناصر منظر با کیفیت زیباشناختی آن است. جهت انجام پژوهش حاضر چهار بوستان (جمشیدیه، نهج البلاغه، قیطریه، آب و آتش) با تنوع بالا در کیفیت منظر ...
full textMy Resources
Journal title
volume 45 issue 4
pages 616- 630
publication date 2020-02-20
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023