مدل سازی ریسک سقوط درختان چنار خطرآفرین در فضای سبز شهری
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 219
This Paper With 14 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_JSAEH-3-4_003
تاریخ نمایه سازی: 17 مهر 1400
Abstract:
مدیریت درختان خطرآفرین به بررسی احتمال خطر درختان در محیطهای طبیعی و انسان ساخت میپردازد. از آنجاییکه درختان خطرآفرین در فضای سبز شهری از اهمیت بالایی برخوردارند، شناسایی و کمیسازی شدت ریسک این درختان اجتنابناپذیر است و فقط در این صورت امکان مدیریت ریسک و انجام اقدامات پیشگیرانه و به موقع فراهم میگردد. در این مطالعه در مجموع ۲۰۰ درخت چنار خطرآفرین با ساختار ناپایدار در شهر کرج شناسایی و اطلاعات مربوط به ویژگیهای عمومی و عیوب آنها ثبت گردید و شدت ریسک آنها با توجه به سال آسیبپذیری ارزیابی شد. در این تحقیق به کمک الگوریتم آموزشی پس انتشار خطا در محیط شبکههای عصبی مصنوعی، شدت ریسک سقوط درختان چنار خطرآفرین (دو کلاسه شدت خطرآفرینی بر اساس سقوط اجزا در سال اول و دوم) بر اساس مقادیر کمی مشخصههای عمومی و عیوب درختان شبیهسازی شد. بر اساس نتایج آنالیز حساسیت قطر تاج، طول تاج درخت، انحراف تنه درخت و قطر یقه درخت به ترتیب بیشترین تاثیر را در طبقهبندی شدت ریسک درختان خطرآفرین داشتهاند. صحت مدل با مقایسه خروجی آن و شاخصهای محاسبه شده شامل ضریب تعیین (۸۷/۰ کلاس یک و ۹/۰ کلاس دو)، میانگین خطای مطلق (۱۷/۰ کلاس یک و ۱۸/۰ کلاس دو) و میانگین مربعات خطا (۰۸۴/۰ کلاس یک و ۰۸۵/۰ کلاس دو) سنجیده شد. مدل شبکه عصبی مصنوعی با دقت بالا در کلاسه بندی شدت ریسک چنارهای خطرآفرین در اکوسیستمهای شهری، مدل SFHR را به عنوان یک مدل پیشبینی در ارزیابی احتمال سقوط درختان چنار معرفی نمود.
Keywords:
hazardous tree , SFHR , artificial neural network , کرج , درختان خطرآفرین , شبکه های عصبی مصنوعی , SFHR.
Authors
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 :