پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,500 |
| تعداد مشاهده مقاله | 124,084,931 |
| تعداد دریافت فایل اصل مقاله | 97,189,030 |
مقایسه مدل‌های شبکه عصبی مصنوعی و رگرسیون خطی در پیش‌بینی وقوع آتش سوزی جنگل و مراتع استان مازندران | ||
| نشریه محیط زیست طبیعی | ||
| مقاله 11، دوره 69، شماره 1، خرداد 1395، صفحه 159-170 اصل مقاله (914.94 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jne.2016.58643 | ||
| نویسندگان | ||
| منصوره کارگر* 1؛ زینب جعفریان2 | ||
| 1دانشکده منابع طبیعی دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
| 2دانشیار دانشگاه علوم کشاورزی و منابع طبیعی ساری | ||
| چکیده | ||
| آتش سوزی‌های طبیعی با وارد آوردن خسارت‌های جبران ناپذیر به مناطق مرتعی و جنگلی سبب تغییر در اکولوژی منظر می‌شوند. هدف از این تحقیق مقایسه مدل های شبکه عصبی مصنوعی و رگرسیون خطی در پیش بینی خطر آتش سوزی جنگل‌ها و مراتع استان مازندران است. به این منظور، از داده‌های آتش سوزی شامل سطح سوخته شده و تعداد وقوع آتش سوزی و هم چنین از داده‌های هواشناسی در یک دوره 7 ساله (1385-1391) استفاده شد. نتایج حاصل از شبکه عصبی مصنوعی بیانگر این مطلب است که در اجرای 9 و تکرار 900 بهترین شبکه به دست آمد. نتایج این تحقیق حاکی از توانایی شبکه عصبی در پیش بینی وقوع آتش سوزی بود و هم چنین این مدل شبکه عصبی می‌تواند 86 درصد تغییرات وقوع آتش سوزی در جنگل و مرتع را با استفاده از پارامتر‌های هواشناسی پیش بینی نماید. هم‌چنین نتایج حاصل از آزمون همبستگی اسپیرمن نشان داد که حداکثر دما (006/0p=، 896/0 r =)، حداقل رطوبت نسبی (003/0P= ، 896/0 r = و تعداد ساعات آفتابی (010/0P= ، 876/0 r =) دارای همبستگی مثبت سطح سوخته شده آتش سوزی هستند. نتایج رگرسیون خطی بین سطح سوخته شده و عوامل هواشناسی مورد بررسی نشان داد که ضریب تعیین مدل برابر 57/0 است. شبکه عصبی مصنوعی در پیش بینی آتش سوزی در جنگل‌ها نسبت به روش رگرسیون خطی یک روش سریع و قابل اطمینان بود. | ||
| کلیدواژه‌ها | ||
| آتش سوزی جنگل و مرتع؛ پیش بینی وقوع؛ شبکه عصبی مصنوعی | ||
|
آمار تعداد مشاهده مقاله: 1,692 تعداد دریافت فایل اصل مقاله: 1,676 |
||