پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,533 |
| تعداد مقالات | 70,507 |
| تعداد مشاهده مقاله | 124,127,957 |
| تعداد دریافت فایل اصل مقاله | 97,235,483 |
مقایسه دو روش شبکه عصبی مصنوعی و آنالیز رگرسیون در پیش بینی و برآورد حجم مقطوعات درختان در جنگل آموزشی-پژوهشی خیرود نوشهر | ||
| نشریه جنگل و فرآورده های چوب | ||
| مقاله 3، دوره 71، شماره 2، شهریور 1397، صفحه 117-126 اصل مقاله (1018.46 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jfwp.2018.231610.842 | ||
| نویسندگان | ||
| فاطمه گرزین* 1؛ منوچهر نمیرانیان2؛ محمود امید3؛ محمود بیات4 | ||
| 1دانش آموخته کارشناسی ارشد جنگلداری، دانشکده منابع طبیعی دانشگاه تهران، کرج | ||
| 2استاد گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی دانشگاه تهران، کرج | ||
| 3استاد گروه مهندسی ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، کرج | ||
| 4استادیار پژوهش، مؤسسه تحقیقات جنگل‌ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران | ||
| چکیده | ||
| استفاده از مدلهای تجربی آماری از روش های کاربردی رایج، میان مدیران منابع جنگلی است. تحلیل رگرسیون نیز از روش‌های آماری بوده که می تواند برای برآورد حجم استفاده گردد. این روش نیازمند پیش فرض و دارای محدودیتهایی مانند نرمال بودن توزیع داده ها، عدم رابطه هم خطی، یکسان بودن واریانس خطاها است. استفاده از روش های جدید مثل شبکه های عصبی مصنوعی، دارای محدودیت های مذکور نیست. در این بررسی هدف مقایسه عملکرد شبکه های عصبی مصنوعی و تحلیل رگرسیون در پیش بینی و برآورد حجم کل مقطوعات است. بدین منظور تعداد 367 اصله درخت از درختان نشانه گذاری شده جنگل آموزشی پژوهشی خیرود انتخاب و مشخصه های قطر برابر سینه، قطر کنده، ارتفاع کنده، ارتفاع کل، طول صنعتی، حداقل قطر میانه گرده بینه، وضعیت درخت، نوع گونه و عوامل توپوگرافی مثل شیب، جهت، ارتفاع از سطح دریا با دقت زیاد اندازه گیری شد. از مدل شبکه عصبی پرسپترون چند لایه (MLP) برای پیشبینی و از رگرسیون چند متغیره برای برآورد حجم کل مقطوعات استفاده شد. نتایج نشان داد شبکه عصبی نسبت به رگرسیون دارای 40 درصد دقت بالاتری در پیشبینی حجم کل مقطوعات است. مقایسه معیارهای ارزیابی بین شبکه MLP و رگرسیون گام به گام نشان داد که مقدار RMSE برای حجم کل مقطوعات در مدلسازی شبکه MLP، 1/411 مترمکعب و در رگرسیون چند متغیره 3/49 مترمکعب است. مقدار اختلاف حجم کل مدل و واقعی برای تحلیل رگرسیون 6/5 درصد و در شبکه عصبی 1/7 درصد بود. با توجه به نتایج، مقدار اختلاف برای مدل حاصل از شبکه عصبی مصنوعی کمتر از مدل رگرسیونی به دست آمد. | ||
| کلیدواژه‌ها | ||
| تحلیل رگرسیون؛ حجم کل؛ شبکه های عصبی مصنوعی؛ مقطوعات | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 743 تعداد دریافت فایل اصل مقاله: 408 |
||