مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

695
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

533
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

1

اطلاعات مقاله نشریه

عنوان

کارایی روش شبکه عصبی مصنوعی در برآورد موجودی سرپای توده های جنگلی

صفحات

 صفحه شروع 214 | صفحه پایان 226

چکیده

 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 را استخراج می کند و در موقعیت دیگر تعمیم می دهد. در پژوهش پیش رو از داده های 258 قطعه نمونه دائم که در بخش گرازبن به وسعت 934.24 هکتار به طور منظم- تصادفی مستقر شده بودند, استفاده شد. پس از رفع نواقص آماری و حذف داده های پرت, 80 درصد داده ها برای آموزش و 20 درصد برای آزمون شبکه استفاده شد. پس از استاندارد کردن داده ها با استفاده از داده های سری آموزش, شبکه عصبی با الگوریتم پس انتشار ایجاد شد. همچنین با استفاده از داده های سری آموزش, رابطه رگرسیونی بین داده های حجم و پارامترهای تعیین کننده آن بررسی شد. به منظور ارزیابی نتایج دو روش از داده های سری آزمون و از معیارهای RMSE, MAE و R2 استفاده شد. نتایج نشان دهنده دقت بیشتر برآوردهای مدل شبکه عصبی (متر مکعب در هکتار 1.006= RMSE, متر مکعب در هکتار 0.69= MAE و 0.98=R2) در مقایسه با برآوردهای مدل رگرسیونی (RMSE=2.5 m3/ha, MAE=0.95 m3/ha و R2=0.85) بود. بیشتر بودن ضریب تعیین به دلیل زیاد بودن داده ها و رابطه منطقی بین داده های ورودی و خروجی بود.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    بیات، محمود، نمیرانیان، منوچهر، امید، محمود، رشیدی، آرمان، و بابایی، سجاد. (1395). کارایی روش شبکه عصبی مصنوعی در برآورد موجودی سرپای توده های جنگلی. تحقیقات جنگل و صنوبر ایران، 24(2)، 214-226. SID. https://sid.ir/paper/110930/fa

    Vancouver: کپی

    بیات محمود، نمیرانیان منوچهر، امید محمود، رشیدی آرمان، بابایی سجاد. کارایی روش شبکه عصبی مصنوعی در برآورد موجودی سرپای توده های جنگلی. تحقیقات جنگل و صنوبر ایران[Internet]. 1395؛24(2):214-226. Available from: https://sid.ir/paper/110930/fa

    IEEE: کپی

    محمود بیات، منوچهر نمیرانیان، محمود امید، آرمان رشیدی، و سجاد بابایی، “کارایی روش شبکه عصبی مصنوعی در برآورد موجودی سرپای توده های جنگلی،” تحقیقات جنگل و صنوبر ایران، vol. 24، no. 2، pp. 214–226، 1395، [Online]. Available: https://sid.ir/paper/110930/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button