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:

646
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

691
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

طراحی شبکه ی جاده ی جنگلی با استفاده از شبکه ی عصبی مصنوعی و GIS

صفحات

 صفحه شروع 139 | صفحه پایان 152

چکیده

 جاده های جنگلی به منظور ایجاد دسترسی به جنگل احداث می شوند و تأثیر زیربنایی در سازماندهی منطقه دارند. هدف این پژوهش, معرفی راهکاری هوشمند مبتنی بر شبکه های عصبی مصنوعی با تلفیق GIS برای طراحی شبکه ی جاده ی جنگلی با در نظر داشتن اصول و معیارهای فنی شبکه ی جاده ی جنگلی است. ابتدا معیارهای مؤثر با استفاده از روش دلفی شناسایی شد و وزن دهی آنها با استفاده از روش AHP, انجام گرفت. با تلفیق لایه های مختلف و وزن نظیر هر یک به روش وزن دهی خطی, نقشه ی شایستگی بخش پاتم برای عبور شبکه ی جاده تهیه شد. ارزش هر پیکسل از نقشه ها به همراه مختصات, با استفاده از نرم افزار ENVI استخراج شد. به منظور آماده سازی داده ها برای ورود به نرم افزار MATLAB, همه ی داده ها به دامنه ی 0 تا 1 نگاشت شدند. در این مطالعه برای مدل سازی, از دو شبکه ی عصبی پرسپترون چندلایه و شعاع مبنا استفاده شد. شبکه های عصبی درجه ی مطلوبیت عبور جاده برای پنج بخش جنگل را براساس بخش پاتم برآورد کردند. با استفاده از برنامه ی جانبی PEGGER دو شبکه ی جاده نیز طراحی شد. در انتها جاده های طراحی شده با جاده ی موجود توسط GIS مقایسه و ارزیابی شد. نتایج نشان داد که شبکه ی عصبی مصنوعی پرسپترون چندلایه توانایی بیشتری در برآورد درجه ی مطلوبیت عبور جاده دارد و ضریب تبیین آن 994/0 به دست آمد. برای مقایسه ی نتایج شبکه های عصبی پیشنهادی از رگرسیون خطی استفاده شد. نتایج نشان داد هر دو شبکه ی عصبی نتایج بهتری از رگرسیون خطی ارائه دادند و قابلیت لازم را برای تعیین میزان مطلوبیت در طی فرایند طراحی شبکه ی جاده دارند. براساس نتایج به دست آمده گزینه ی دوم طراحی شده, برپایه ی میزان ارزش واحد طول به عنوان شبکه ی جاده ی بهینه معرفی شد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    جوانمرد، مینا، عبدی، احسان، قطعی، مهدی، و مجنونیان، باریس. (1397). طراحی شبکه ی جاده ی جنگلی با استفاده از شبکه ی عصبی مصنوعی و GIS. مجله جنگل ایران، 10(2 )، 139-152. SID. https://sid.ir/paper/123054/fa

    Vancouver: کپی

    جوانمرد مینا، عبدی احسان، قطعی مهدی، مجنونیان باریس. طراحی شبکه ی جاده ی جنگلی با استفاده از شبکه ی عصبی مصنوعی و GIS. مجله جنگل ایران[Internet]. 1397؛10(2 ):139-152. Available from: https://sid.ir/paper/123054/fa

    IEEE: کپی

    مینا جوانمرد، احسان عبدی، مهدی قطعی، و باریس مجنونیان، “طراحی شبکه ی جاده ی جنگلی با استفاده از شبکه ی عصبی مصنوعی و GIS،” مجله جنگل ایران، vol. 10، no. 2 ، pp. 139–152، 1397، [Online]. Available: https://sid.ir/paper/123054/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