کارایی روش شبکه عصبی مصنوعی در برآورد موجودی سرپای توده‌های جنگلی
Authors
Abstract:
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 را استخراج می‌کند و در موقعیت دیگر تعمیم می‌دهد. در پژوهش پیش‌رو از داده‌های 258 قطعه‌نمونه دائم که در بخش گرازبن به وسعت 934/24 هکتار به‌طور منظم- تصادفی مستقر شده بودند، استفاده شد. پس از رفع نواقص آماری و حذف داده‌های پرت، 80 درصد داده‌ها برای آموزش و 20 درصد برای آزمون شبکه استفاده شد. پس از استاندارد کردن داده‌ها با استفاده از داده‌های سری آموزش، شبکه عصبی با الگوریتم پس‌انتشار ایجاد شد. همچنین با استفاده از داده‌های سری آموزش، رابطه رگرسیونی بین داده‌های حجم و پارامترهای تعیین‌کننده آن بررسی شد. به‌منظور ارزیابی نتایج دو روش از داده‌های سری آزمون و از معیارهای RMSE، MAE و R2 استفاده شد. نتایج نشان‌دهنده 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 به‌دلیل زیاد بودن داده‌ها و رابطه منطقی بین داده‌های ورودی و خروجی بود.
similar resources
کارایی روش شبکه عصبی مصنوعی در برآورد موجودی سرپای توده های جنگلی
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...
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 textبرآورد 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 textبرآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
full textMy Resources
Journal title
volume 24 issue 2
pages 226- 214
publication date 2016-06-21
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