مدل‌سازی عرض عملیات خاکی جاده های جنگلی با استفاده از شبکه عصبی مصنوعی و رگرسیون خطی چندگانه

عرض عملیات خاکی، به ­عنوان یکی از مهم‌ ترین پارامترهای تعیین‌ کننده حجم خاکبرداری و خاکریزی، در هزینه و تخریب ناشی از عملیات جاده‌ سازی در جنگل مؤثر است. هدف از این پژوهش بررسی امکان پیش‌ بینی عرض عملیات خاکی جاده‌ های جنگلی است. برای نیل به این هدف دو روش شبکه عصبی مصنوعی و رگرسیون خطی چندگانه بکار گرفته شده است. برای این منظور، 192 مقطع عرضی در جاده­های جنگلی سوردار-واتاشان مورد بررسی قرار گرفتند. در هر مقطع داده‌ های مربوط به پارامتر­های فیزیوگرافی شامل شیب ­طبیعی­ دامنه، درجه سختی زمین و بافت خاک به‌ عنوان متغیرهای مستقل و عرض عملیات خاکی به‌ عنوان متغیر وابسته جمع‌ آوری شدند. مدل‌ های پیش‌ بینی عرض عملیات خاکی با استفاده از شبکه عصبی پیش‌خور با الگوریتم یادگیری پس انتشار خطا و رگرسیون خطی چندگانه با روش گام‌به‌گام به ترتیب در محیط نرم‌افزار‌های 6/7MATLAB  و R ساخته شدند و آزمون‌ های همبستگی و تجزیه واریانس نیز در محیط 19SPSS صورت گرفت. بر اساس آماره‌ های ضریب تبیین، مجذور میانگین مربعات خطا، میانگین مطلق خطا و درصد خطا، مدل شبکه عصبی توانست موفق‌ تر از رگرسیون خطی چندگانه، عرض عملیات خاکی را پیش‌ بینی کند به‌ طوری‌ که 2R و RMSE به ترتیب در مدل شبکه عصبی 65/0 و 13/2 و در مدل رگرسیونی 24/0 و 28/8 بدست آمد. نتایج این پژوهش زمینه را برای طراحی شبکه‌ عصبی‌ مصنوعی با قابلیت پیش‌ بینی مناسبی برای عرض عملیات خاکی جاده‌ های جنگلی در شرایط توپوگرافی جنگل‌ های کوهستانی فراهم می‌ آورد.