مدلسازی حجم تجاری درختان توده های آمیخته راش جنگل های هیرکانی با استفاده از شبکه عصبی مصنوعی
نویسنده:
چکیده:
پیش بینی دقیق حجم درختان سرپا برحسب متر مکعب مبنای برآورد هر چه دقیق تر مقدار رویش، برداشت مجاز، ترسیب کربن زی توده هوایی درختان و مدیریت بهینه جنگل براساس اصل توسعه پایدار محسوب می شود. از این رو، تحقیق حاضر با استفاده از شبکه عصبی مصنوعی در پی مدلسازی و پیش بینی حجم تجاری با حداکثر قطعیت است. پژوهش موردی جنگل سری 3 گلندرود نور بوده و اطلاعات دریافتی مستخرج از جدول های تجدید حجم اداره کل منابع طبیعی نوشهر شامل قطر، ارتفاع کل و مقادیر حجمی مربوط به 150 اصله درختان قطع شده است. کلیه مقادیر حجمی به ازای کمیت های بیوفیزیکی مذکور به عنوان لایه ورودی به صورت مرحله ای با استفاده از شبکه عصبی پیش خور الگوریتم پس انتشار FFBP مدلسازی شدند. همچنین از دو تابع انتقال نورون غیرخطی Logsig و Tansig استفاده شد، طوری که هر مدل با توپولوژی مختلف شبکه مدنظر برای رسیدن به پاسخ هدف، دقت متفاوتی را نشان داد. نورون های انتقالی برای رسیدن به حداقل خطای آزمون داده ها در هر الگوریتم آموزش، پس از وزن دهی اولیه دارای تعداد چرخش متفاوت بودند. نتایج مدلسازی پس از سعی و آزمون مکرر نشان داد که مدل حاوی قطر و ارتفاع کل با تابع انتقالی Logsig با معماری دو لایه پنهان و 15 نورون دارای حداقل میانگین مربعات خطای آزمون ( MSE)، حداقل میانگین انحراف معیار و حداکثر ضریب تبیین (158/0= AD، 99/0= R2) است که از این رو به عنوان مدل بهینه معرفی می شود.
کلیدواژگان:
زبان:
فارسی
صفحات:
49 تا 60
لینک کوتاه:
magiran.com/p1690369
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!