مقایسه بین شبکه عصبی مصنوعی و تحلیل رگرسیون در برآورد مدت زمان قطع درخت

Authors

  • اکبر نجفی گروه جنگلداری، دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس
  • هادی بیاتی دانشجوی کارشناسی ارشد، گروه جنگلداری، دانشکده منابع طبیعی و عوم دریایی دانشگاه تربیت مدرس
  • پرویز عبدالمالکی دانشیار، دانشکده علوم زیستی دانشگاه تربیت مدرس
Abstract:

قطع درخت در بین مؤلفه‌های بهره‌برداری، اهمیت زیادی دارد. برآورد تولید تجهیزات جنگلی، بخش مهمی از مدیریت هزینه‌ها در یک واحد جنگلداری است که با کاهش هزینه‌های عملیات همراه است. به عبارت دیگر، هزینه‌های بالای سرمایه‌گذاری در بهره‌برداری جنگل، دلیل خوبی برای تحقیقات مهندسی جنگل و همچنین مدل‌سازی زمان می‌باشد. روشهای زیادی مانند انواع رگرسیون‌ها، منطق فازی، شبکه‌های عصبی و غیره برای پیش‌بینی زمان قطع وجود دارد که به کمک آنها می‌توان به ارتباط منطقی بین زمان قطع درخت و متغیرهای مستقل موجود دست یافت و برای عملیات آینده میزان زمان قطع درخت را پیش‌بینی نمود. در این تحقیق از تحلیل رگرسیون و شبکه‌‌های عصبی پرسپترون چند لایه و تابع شعاع مدار برای پیش‌بینی زمان قطع درخت در جنگلهای شرکت نکاچوب استفاده شد. به‌منظور جمع‌آوری داده‌های زمان قطع، از روش مطالعه زمانی پیوسته استفاده شد. بدین منظور تعداد 84 درخت از درختان نشانه‌گذاری شده انتخاب شد و زمان خالص قطع درخت با استفاده از شبکه پرسپترون چندلایه و تابع شعاع مدار، و همچنین روش رایج تحلیل رگرسیون پیش‌بینی گردید. نتایج نشان داد که شبکه عصبی تابع پایه شعاعی نسبت به شبکه عصبی پرسپترون چندلایه دارای دقت بیشتری در برآورد زمان قطع درخت می‌باشد. همچنین مقایسه معیارهای ارزیابی شبکه عصبی مصنوعی با رگرسیون گام‌به‌گام نشان داد که شبکه عصبی MLP و RBF به‌ترتیب دارای مقدار RMSE 0/94 و 81/0 بوده، در حالی که مقدار RMSE مدل رگرسیون 15/1 می‌باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مقایسه کاربرد شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون مؤلفه‌های اصلی و رگرسیون خطی چندگانه جهت مدل‌سازی شاخص کیفیت هوای شهری

شاخص کیفیت هوا ابزار کلیدی جهت آگاهی از کیفیت هوا، نحوۀ اثر آلودگی هوا بر سلامت و روش‌های محافظتی در برابر آلودگی هوا است. هدف اصلی این تحقیق مدل‌سازی و برآورد شاخص کیفیت هوا از طریق شبکه عصبی مصنوعی، درخت تصمیم، رگرسیون خطی چندگانه و رگرسیون مؤلفه‌های اصلی است. جهت محاسبه شاخص کیفیت هوا از داده‌های هواشناسی و آلودگی هوای ثبت شده در ایستگاه تجریش و قلهک شهر تهران در دوره زمانی 1385 تا 1390 استف...

full text

مقایسه 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 text

مقایسه شبکه‌های عصبی مصنوعی، درخت تصمیم، تحلیل تشخیصی و رگرسیون لوجستیک در پیش‌بینی بارداری ناخواسته در مادران مولتی‌پار شهر خرم‌آباد

Background and Objective: Unwanted pregnancy is a pregnancy that is considered to be unwanted by at least one member of the couple, and has adverse consequences for the family and community. Using four classification models, this study predicted unwanted pregnancy in the urban population of Khorramabad and compared these classification models. Materials and methods: In this cross-sectional s...

full text

مقایسه روش های طبقه بندی، شبکه عصبی مصنوعی و رگرسیون چندمتغیره در برآورد بازیابی فلز از بلوک کانسنگ

با توجه به نقش بازیابی در محاسبه ارزش اقتصادی بلوک کانسنگ و تأثیر مقدار این ارزش بر محاسبات طراحی و برنامه‌ریزی تولید معدن، تعیین بازیابی فلز از بلوک کانسنگ ارسالی به کارخانه فرآوری، از اهمیت بالایی برخوردار است. هدف از این پژوهش، بررسی قابلیت برآورد بازیابی بلوک کانسنگ به‌<span lang="AR-SA" dir="R...

full text

شبیه‌سازی شبکه عصبی مصنوعی در برآورد ماکزیمم دبی خروجی شکست سدهای خاکی و زمان شکست

تاکنون مدل‌های زیادی جهت تشریح فرآیند پیچیدة شکست سدهای خاکی و سیل ناشی ازآن پیشنهاد شده است. این مدل ها شامل مدل های فیزیکی، ریاضی ویا کامپیوتری می باشند. از جملة این مدل‌ها، مدل BREACH می‌باشد که بطور وسیع درقرن اخیر مورد استفاده قرارگرفته است. این مدل بر مبنای روابط فرسایش، قوانیـن هیـدرولیـک، انتقـال رسوب و مکـانیـک خاک پایـه‌گـذاری شده است و توانایی محاسبه ابعاد نهایی مقطع شکست و هیدروگراف...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 20  issue 4

pages  607- 595

publication date 2012-12-21

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