مقایسه کاربردشبکه عصبی مصنوعی و معادلات آلومتریک در رابطه با مدل سازی زی توده تنه درختان افراپلت (Acer velutinum Boiss.) در جنگل های هیرکانی

تخمین زی توده درختان جنگل با حداقل عدم قطعیت علاوه بر مدیریت بر اساس اصل توسعه پایدار، مبنای مبرم در رابطه با نیاز روز افزون جوامع بین المللی برای آگاهی از میزان ترسیب کربن به منظور رویارویی با بحران گرمایش زمین می باشد. از این رو مدل سازی زی توده تنه پلت با استفاده از معادلات آلومتریک و شبکه عصبی مصنوعی در مطالعه موردی جنگل ساسون سی چمستان نور صورت گرفت تا حداکثر قطعیت برای پیش بینی زی توده مورد مطالعه حاصل شود. برای انجام تحقیق حاضر، پس از قطع 20 پایه از طبقات قطری مختلف درختان، از هر بخش استحصال شده تنه پس از توزین، یک دیسک برداشت شده و با تکه برداری ثابت از هر دیسک، نمونه ها در دمای 105 درجه سانتی گراد به مدت 24 ساعت در آون خشک شدند. برای مدل سازی، مدل توانی به عنوان مدل پایه آلومتریک و تابع Log-sigmoid و Tan-sigmoid به عنوان توابع انتقالی نورون ها در توپولوژی های مختلف شبکه عصبی چند لایه FFBP معرفی شدند. نتایج مدل سازی نشان داد که مدل نمایی چندگانه حاوی قطر و ارتفاع با ضریب تصحیح 04/1 =CF به عنوان مدل آلومتریک بهینه محسوب می شود (23/0 = S). با توجه به اینکه علاوه بر میانگین انحراف معیار، حداقل میانگین مربعات خطای آزمون داده های هر مدل در ارتباط با آموزش و اعتبار داده ها در تعداد چرخشهای مختلف مبنای اساسی انتخاب مدل در شبکه عصبی محسوب می شود، مدل حاوی لایه های ورودی قطر و ارتفاع با توپولوژی دو لایه و 10 نورون لایه پنهان با تابع انتقالی Tansig دارای حداکثر قطعیت برآورد زی توده تنه پلت (1/0 = S) در منطقه مورد مطالعه می باشد.