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:

118
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

514
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی مناطق دارای توان اکوتوریسم با شبکه عصبی مصنوعی

صفحات

 صفحه شروع 55 | صفحه پایان 66

چکیده

 استفاده تفرجی از منطقه باید مطابق توان محیط زیستی آن انجام گیرد. بنابراین, این پژوهش با هدف ارایه یک روش برای مدل سازی و رتبه بندی مناطق دارای توان اکوتوریسم انجام شد. بدین منظور از روش سیستمی مخدوم با توجه به ویژگی های منطقه و شبکه عصبی پرسپترون چندلایه (MLP) برای ارزیابی توان اکولوژیکی منطقه حفاظت شده ارسباران استفاده شد. در گام نخست منابع اکولوژیکی و اقتصادی-اجتماعی شناسایی و نقشه های آن ها تهیه شدند, سپس با تجزیه و تحلیل و جمع بندی داده ها در نرم افزار ArcGIS نقشه توان اکوتوریسم حاصل شد. در مرحله بعد با استفاده از نتایج روش سیستمی, شبکه عصبی آموزش داده شد و ساختارهای مختلف آن مورد ارزیابی قرار گرفتند و در نهایت نقشه مناطق مناسب گردشگری براساس خروجی شبکه عصبی مدل سازی شد. در مرحله آخر با دخالت دادن معیارهای اقتصادی-اجتماعی و جاذبه های تفرجی اولویت بندی و ارزیابی نهایی انجام گرفت. ارزیابی توان اکولوژیکی با روش سیستمی نشان داد, منطقه دارای توان برای تفرج متمرکز طبقه دو (06/0%) و تفرج گسترده طبقه دو (33/10%) است. توپولوژی 3-9-7 به عنوان بهترین طبقه بندی با دقت کلی 98% جهت طبقه بندی مناطق تفرجی انتخاب شد و بهترین عملکرد شبکه عصبی به کلاس تفرج متمرکز و کمترین عملکرد به کلاس تفرج گسترده تعلق گرفت. براساس نقشه مدل سازی شده, 17/0% منطقه به تفرج متمرکز طبقه 2, 09/10% به تفرج گسترده طبقه 2 و 74/89% به نامناسب برای تفرج اختصاص یافت. مطالعه حاضر نشان داد شبکه عصبی مصنوعی قابلیت طبقه بندی مناطق مناسب گردشگری را با دقت بالا دارد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    طالبی، منیژه، مجنونیان، باریس، مخدوم، مجید، عبدی، احسان، و امید، محمود. (1400). پیش بینی مناطق دارای توان اکوتوریسم با شبکه عصبی مصنوعی. پژوهش های محیط زیست، 12(23 )، 55-66. SID. https://sid.ir/paper/986042/fa

    Vancouver: کپی

    طالبی منیژه، مجنونیان باریس، مخدوم مجید، عبدی احسان، امید محمود. پیش بینی مناطق دارای توان اکوتوریسم با شبکه عصبی مصنوعی. پژوهش های محیط زیست[Internet]. 1400؛12(23 ):55-66. Available from: https://sid.ir/paper/986042/fa

    IEEE: کپی

    منیژه طالبی، باریس مجنونیان، مجید مخدوم، احسان عبدی، و محمود امید، “پیش بینی مناطق دارای توان اکوتوریسم با شبکه عصبی مصنوعی،” پژوهش های محیط زیست، vol. 12، no. 23 ، pp. 55–66، 1400، [Online]. Available: https://sid.ir/paper/986042/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • 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