مقایسه مدل‌های شبکه عصبی مصنوعی و رگرسیون خطی در پیش‌بینی وقوع آتش سوزی جنگل و مراتع استان مازندران

آتش سوزی‌های طبیعی با وارد آوردن خسارت‌های جبران ناپذیر به مناطق مرتعی و جنگلی سبب تغییر در اکولوژی منظر می‌شوند. هدف از این تحقیق مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون خطی در پیش بینی خطر آتش سوزی جنگل‌ها و مراتع استان مازندران است. به این منظور، از داده‌های آتش سوزی شامل سطح سوخته شده و تعداد وقوع آتش سوزی و هم چنین از داده‌های هواشناسی در یک دوره 7 ساله (1385-1391) استفاده شد. نتایج حاصل از شبکه عصبی مصنوعی بیانگر این مطلب است که در اجرای 9 و تکرار 900 بهترین شبکه به دست آمد. نتایج این تحقیق حاکی از توانایی شبکه عصبی در پیش بینی وقوع آتش سوزی بود و هم چنین این مدل شبکه عصبی می‌تواند 86 درصد تغییرات وقوع آتش سوزی در جنگل و مرتع را با استفاده از پارامتر‌های هواشناسی پیش بینی نماید. هم‌چنین نتایج حاصل از آزمون همبستگی اسپیرمن نشان داد که حداکثر دما (006/0p=، 896/0 r =)، حداقل رطوبت نسبی (003/0P= ، 896/0 r = و تعداد ساعات آفتابی (010/0P= ، 876/0 r =) دارای همبستگی مثبت سطح سوخته شده آتش سوزی هستند. نتایج رگرسیون خطی بین سطح سوخته شده و عوامل هواشناسی مورد بررسی نشان داد که ضریب تعیین مدل برابر 57/0 است. شبکه‌ عصبی مصنوعی در پیش بینی آتش سوزی در جنگل‌ها نسبت به روش رگرسیون خطی یک روش سریع و قابل اطمینان بود.