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:

306
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

462
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

برآورد رویش ده ساله راش (Fagus orientalis Lipsky) با استفاده از مدل شبکه های عصبی مصنوعی و رگرسیون خطی چندگانه در جنگل های رامسر

صفحات

 صفحه شروع 381 | صفحه پایان 394

چکیده

 در این تحقیق که در جنگل های رامسر در استان مازندران انجام شد رویش جنگل به کمک شبکه عصبی مصنوعی برآورد و با رویش واقعی جنگل که به طور مستقیم و از اندازه گیری در 20 قطعه نمونه ثابت یک هکتاری که در سال های 1381 و 1391 از آماربرداری صد در صد محاسبه شده بود, مقایسه شد. رویش حجمی سالانه راش به ترتیب 52/4 و 35/4 سیلو در هکتار برای رویش به طریق مستقیم و رویش برآوردی به روش شبکه عصبی مصنوعی بود. سپس تحلیل رگرسیون, به روش گام به گام انجام و بهترین مدل ها گزینش شد. پس از انتخاب بهترین مدل, بررسی تحلیل حساسیت ورودی ها انجام شد. نتایج نشان داد شبکه عصبی با دقت مناسبی می تواند رویش و مقدار برش سالیانه را برآورد کند. مقدار R2, RMSE و MAE به ترتیب 75/0, 17 و 60/13 در شبکه پرسپترون چندلایه نشان داد که شبکه عصبی MLP بیشترین دقت در برآورد را دارد. در تحلیل رگرسیون خطی چندگانه هم ضرایب تشخیص به ترتیب 610/0 و 679/0 و خطای RMS مقادیر 5/1 و 42/1 برای مدل اول و دوم به دست آمد. نتایج مربوط به تحلیل حساسیت ورودی ها نشان داد که عوامل حجم, جهت, قطر برابرسینه و ارتفاع درخت بیشترین تأثیر را در مدل سازی تعیین رویش دارند. مقایسه مدل ها نشان داد استفاده از شبکه عصبی می تواند مقدار رویش را با دقت مناسبی پیش بینی کند.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    بیات، محمود، حسنی، مجید، و حیدری مستعلی، سحر. (1399). برآورد رویش ده ساله راش (Fagus orientalis Lipsky) با استفاده از مدل شبکه های عصبی مصنوعی و رگرسیون خطی چندگانه در جنگل های رامسر. پژوهش و توسعه جنگل، 6(3 )، 381-394. SID. https://sid.ir/paper/408973/fa

    Vancouver: کپی

    بیات محمود، حسنی مجید، حیدری مستعلی سحر. برآورد رویش ده ساله راش (Fagus orientalis Lipsky) با استفاده از مدل شبکه های عصبی مصنوعی و رگرسیون خطی چندگانه در جنگل های رامسر. پژوهش و توسعه جنگل[Internet]. 1399؛6(3 ):381-394. Available from: https://sid.ir/paper/408973/fa

    IEEE: کپی

    محمود بیات، مجید حسنی، و سحر حیدری مستعلی، “برآورد رویش ده ساله راش (Fagus orientalis Lipsky) با استفاده از مدل شبکه های عصبی مصنوعی و رگرسیون خطی چندگانه در جنگل های رامسر،” پژوهش و توسعه جنگل، vol. 6، no. 3 ، pp. 381–394، 1399، [Online]. Available: https://sid.ir/paper/408973/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