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:

1,134
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

634
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

1

اطلاعات مقاله نشریه

عنوان

مقایسه عملکرد شبکه های عصبی مصنوعی با تحلیل رگرسیون در برآورد حجم تنه درختان

صفحات

 صفحه شروع 177 | صفحه پایان 191

چکیده

 آنالیز رگرسیون روش رایجی است که امروزه برای برآورد حجم تنه درختان استفاده می شود. این روش با تعیین رابطه ای, حجم را با دقت خاصی برآورد می کند, اما محدودیت هایی مانند نرمال بودن متغیر وابسته و همگن بودن واریانس خطاها نیز دارد. در این پژوهش سعی شده از شبکه های عصبی مصنوعی (ANN), به عنوان یکی از زیر مجموعه های فناوری جدید هوش مصنوعی (AI), به منظور برآورد حجم تنه, استفاده شود. بدین منظور, تعداد 101 درخت از درختان نشانه گذاری شده جنگل آموزشی پژوهشی دانشگاه تربیت مدرس انتخاب, و قطر برابر سینه, قطر در ارتفاع کنده, قطر انتهای تنه, ارتفاع تنه, و ارتفاع کل درخت, با دقت بسیار اندازه گیری شدند. از دو مدل شبکه عصبی, پرسپترون چند لایه (MLP) و تابع پایه شعاعی (RBF), به منظور پیش بینی حجم تنه استفاده شد. نتایج نشان داد با افزایش متغیرهایی که همبستگی بیشتری با حجم تنه دارند, ضریب تشخیص شبکه عصبی از 0.80 به 0.95 افزایش می یابد.شبکه عصبی تابع پایه شعاعی در مقایسه با شبکه عصبی پرسپترون چند لایه دقت بیشتری در برآورد حجم تنه دارد. مقایسه معیارهای ارزیابی شبکه عصبی مصنوعی با رگرسیون گام به گام نشان داد که شبکه عصبی MLP و RBF به ترتیب دارای مقدار 1.18 RMSE و 1.05 است, درحالی که مقدار RMSE مدل رگرسیون 2.57 می باشد. ضریب تشخیص رگرسیون در مقایسه با هر دو مدل شبکه عصبی نیز مقدار کمتری است.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    بیاتی، هادی، و نجفی، اکبر. (1392). مقایسه عملکرد شبکه های عصبی مصنوعی با تحلیل رگرسیون در برآورد حجم تنه درختان. جنگل و فرآورده های چوب (منابع طبیعی ایران)، 66(2)، 177-191. SID. https://sid.ir/paper/163025/fa

    Vancouver: کپی

    بیاتی هادی، نجفی اکبر. مقایسه عملکرد شبکه های عصبی مصنوعی با تحلیل رگرسیون در برآورد حجم تنه درختان. جنگل و فرآورده های چوب (منابع طبیعی ایران)[Internet]. 1392؛66(2):177-191. Available from: https://sid.ir/paper/163025/fa

    IEEE: کپی

    هادی بیاتی، و اکبر نجفی، “مقایسه عملکرد شبکه های عصبی مصنوعی با تحلیل رگرسیون در برآورد حجم تنه درختان،” جنگل و فرآورده های چوب (منابع طبیعی ایران)، vol. 66، no. 2، pp. 177–191، 1392، [Online]. Available: https://sid.ir/paper/163025/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