کاربرد روش پرسپترون چندلایه شبکه عصبی مصنوعی در مدلسازی تغییرات کاربری اراضی شرق استان مازندران
Publish place: Geography and Environmental Planning، Vol: 29، Issue: 4
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 349
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GEP-29-4_008
تاریخ نمایه سازی: 20 اردیبهشت 1400
Abstract:
این مطالعه با هدف پیشبینی تغییرات کاربری اراضی شرق استان مازندران (شهرستانهای نکا، بهشهر و توابع آنها) با استفاده از شبکه عصبی مصنوعی در محیط GIS انجام شد. تصاویر ماهواره لندست[۱] متعلق به سالهای ۱۳۶۶ و ۱۳۸۰ برای آشکارسازی تغییرات منطقه به کار رفت؛ سپس با بهرهگیری از پرسپترون چند لایه[۲] شبکه عصبی مصنوعی، مدلسازی پتانسیل انتقال برای ۷ زیرمدل اجرا شد و درنهایت مدلسازی تغییرات کاربری اراضی با دوره واسنجی ۱۳۶۶- ۱۳۸۰ برای سال ۱۳۸۵ با زنجیره مارکف و مدل پیشبینی سخت انجام پذیرفت. ارزیابی صحت مدل با بهرهگیری از مقادیر موفقیت خنثی، موفقیت، خطا و هشدار خطا تعیین و درنهایت پیشبینی تغییرات کاربری اراضی برای سال ۱۳۹۴ انجام شد. نتایج نشان داد طی سالهای ۱۳۶۶ تا ۱۳۸۰، به ترتیب ۱۹۶۴ و ۱۱۹۷ هکتار از وسعت جنگلها و باغها کاسته و ۱۱۸۲ و ۱۹۷۸ هکتار به وسعت اراضی کشاورزی و مناطق مسکونی اضافه شده است. نتایج مدلسازی پتانسیل انتقال در همه زیرمدلها صحت زیادی (۶۷- ۸۹درصد) را نشان داد. خطای کل پیشبینی مدل ۹۸/۹درصد بود که نشاندهنده کارایی و قابلیت زیاد مدل است. همچنین نتایج پیشبینی نشان داد مساحت اراضی جنگلی در سال ۱۳۹۴ نسبت به ۱۳۸۵ کاهش و مناطق مسکونی، اراضی کشاورزی و باغها افزایش خواهد یافت. [۱] Landsat [۲] Multilayer Perceptron: MLP
Keywords:
Authors
شریف جورابیان شوشتری
کارشناس ارشد محیط زیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، مازندران، ایران
عباس اسماعیلی ساری
استاد گروه محیطزیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس.
سید محسن حسینی
استاد گروه جنگل داری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، مازندران، ایران
مهدی غلامعلی فرد
استادیار گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، نور، مازندران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :