استفاده از روش شبکة عصبی مصنوعی برای پیشبینی حجم سرپای درخت صنوبر دلتوئیدس ( Populus deltoids) (مطالعة موردی: جنگلهای شرکت شفارود) | ||
| نشریه جنگل و فرآورده های چوب | ||
| دوره 76، شماره 3، پاییز 1402، صفحه 217-228 اصل مقاله (1.54 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jfwp.2023.354060.1236 | ||
| نویسندگان | ||
| علی شکروند شکیبا* 1؛ اکبر رستم پور هفتخوانی1؛ مهدی کلاگر2؛ کیومرث سفیدی3؛ مجید صفاری4 | ||
| 1گروه علوم و صنایع چوب و کاغذ، دانشکدة کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران. | ||
| 2بخش صنایع چوب و کاغذ، معاون اجرایی شرکت شفارود، گیلان، ایران. | ||
| 3گروه جنگل، دانشکدۀ کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران. | ||
| 4کارشناسی علوم باغبانی، مدیرعامل شرکت شفارود، گیلان، ایران. | ||
| چکیده | ||
| با توجه به اهمیت اندازه گیری حجم و امکان فروش درختان به شکل سرپا و همچنین هزینهبر و زمانبر بودن اندازه گیری حجم واقعی درختان، برای یافتن روشی جایگزین که از لحاظ زمان و هزینه به صرفهتر باشد، این مطالعه با هدف پیشبینی حجم سرپای درختان صنوبر (Populus deltoids) با روش شبکة عصبی مصنوعی (ANN) برای مدیریت برداشت و فروش، پیشبینی شد. در این مطالعه قطر و ارتفاع تعداد 416 اصله درخت با انتخاب تصادفی از دامنههای قطری 10 تا 15، 15 تا 20، 20 تا 25، 25 تا 30، 30 تا 35، 35 تا 40، 40 تا 45 و 45 تا50 (سانتیمتر) اندازه گیری شد. سپس حجم سرپای آنها با مدل تک لایه شبکة عصبی مصنوعی پیشبینی شد. در این مطالعه شاخص های پیش بینی کنندة قطر و ارتفاع برابر سینه بهعنوان دادة ورودی و حجم سرپای درختان بهعنوان داده خروجی در نظر گرفته شد. تعداد لایه های ورودی، مخفی و خروجی همگی یک و تعداد نورون های لایة مخفی بر حسب آزمون و خطا 10 در نظر گرفته شد. نتایج نشان داد که مدل سادة شبکة عصبی مصنوعی با شاخص پیش بینی کنندة قطر با MAPE، R2 ،R، MSE، RMSE بهترتیب 10/22، 0/9785، 0/99، 0/072 و 0/269 و با شاخص ارتفاع با MAPE، R2 ،R، MSE، RMSE بهترتیب 35/43، 0/8004، 0/89، 0/674 و 0/821 حجم را پیش بینی کرد. مدل ساده بهدلیل سهولت انجام کار و بهعنوان بهترین مدل پیشنهاد شدند. | ||
| کلیدواژهها | ||
| بهرهبرداری جنگل؛ پرسپترون تکلایه؛ جنگل دستکاشت؛ زراعت چوب | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 485 تعداد دریافت فایل اصل مقاله: 416 |
||