| تعداد نشریات | 126 |
| تعداد شمارهها | 7,094 |
| تعداد مقالات | 76,234 |
| تعداد مشاهده مقاله | 151,649,664 |
| تعداد دریافت فایل اصل مقاله | 113,761,502 |
مدلسازی خطر سقوط درختان خطرآفرین با کاربرد شبکه عصبی مصنوعی و رگرسیون لجستیک در فضای سبز شهری | ||
| محیط شناسی | ||
| مقاله 4، دوره 45، شماره 4، اسفند 1398، صفحه 645-661 اصل مقاله (911.67 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jes.2020.291357.1007935 | ||
| نویسندگان | ||
| الهام قهساره اردستانی* 1؛ مژده نافیان2؛ محسن بهمنی2 | ||
| 1گروه مهندسی طبیعت دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد، شهرکرد، ایران | ||
| 2گروه علوم جنگل، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، شهر کرد، ایران | ||
| چکیده | ||
| درختان فضای سبز شهری بهرغم ارائه طیف وسیعی از منافع زیستمحیطی، زیباشناختی، اجتماعی، فیزیولوژیکی و اقتصادی میتوانند باعث خطرات جانی و مالی برای شهروندان شوند. اهداف این تحقیق برآورد احتمال خطر سقوط درختان نارون و مدلسازی آن از طریق شبکه عصبی و رگرسیون لجستیک است، بدینترتیب 129 اصله درخت نارون در خیابان شریعتی شهرکرد بررسی شدند. برای این منظور، متغیرهای قطر و ارتفاع درخت، شاخه و سرشاخههای خشکیده، شکاف یا ترک، وضعیت و ضعف ساختاری، مشکلات ریشه و پوسیدگی تنه و شاخه بهعنوان متغیرهای مستقل و طبقه شدت خطرآفرینی درختان نارون بهعنوان متغیرهای وابسته در مدل شبکه عصبی مصنوعی و رگرسیون لجستیک استفاده شدند. در این پژوهش از شبکه پرسپترون چند لایه با 5 نورون در لایه ورودی، یک لایه پنهان با 20 نورون و یک نورون در لایه خروجی استفاده شد. نتایج نشان داد که رگرسیون لجستیک نتوانست بین متغیرهای مستقل و طبقه شدت خطرآفرینی درختان نارون برازش خوبی را انجام دهد. در صورتی که شبکه عصبی قادر بود مدلی مناسب را برازش دهد. به طور کلی شبکه عصبی با کارایی مناسب و بالا در مقایسه با روش رگرسیون لجستیک، برای پیشبینی خطر سقوط درختان نارون، مناسبتر بوده است. | ||
| کلیدواژهها | ||
| معیارهای تشخیصی خطرآفرینی؛ تجزیه و تحلیل مولفههای اصلی؛ ضریب تبیین؛ منحنی مشخصه عملکرد؛ شاخص کاپا | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,269 تعداد دریافت فایل اصل مقاله: 578 |
||