مدل سازی خطر سقوط درختان خطرآفرین با کاربرد شبکه عصبی مصنوعی و رگرسیون لجستیک در فضای سبز شهری

درختان فضای سبز شهری به رغم ارائه طیف وسیعی از منافع زیست محیطی، زیباشناختی، اجتماعی، فیزیولوژیکی و اقتصادی می توانند باعث خطرات جانی و مالی برای شهروندان شوند. اهداف این تحقیق برآورد احتمال خطر سقوط درختان نارون و مدل سازی آن از طریق شبکه عصبی و رگرسیون لجستیک است، بدین ترتیب ۱۲۹ اصله درخت نارون در خیابان شریعتی شهرکرد بررسی شدند. برای این منظور، متغیرهای قطر و ارتفاع درخت، شاخه و سرشاخه های خشکیده، شکاف یا ترک، وضعیت و ضعف ساختاری، مشکلات ریشه و پوسیدگی تنه و شاخه به عنوان متغیرهای مستقل و طبقه شدت خطرآفرینی درختان نارون به عنوان متغیرهای وابسته در مدل شبکه عصبی مصنوعی و رگرسیون لجستیک استفاده شدند. در این پژوهش از شبکه پرسپترون چند لایه با ۵ نورون در لایه ورودی، یک لایه پنهان با ۲۰ نورون و یک نورون در لایه خروجی استفاده شد. نتایج نشان داد که رگرسیون لجستیک نتوانست بین متغیرهای مستقل و طبقه شدت خطرآفرینی درختان نارون برازش خوبی را انجام دهد. در صورتی که شبکه عصبی قادر بود مدلی مناسب را برازش دهد. به طور کلی شبکه عصبی با کارایی مناسب و بالا در مقایسه با روش رگرسیون لجستیک، برای پیش بینی خطر سقوط درختان نارون، مناسب تر بوده است.

Keywords:

معیارهای تشخیصی خطرآفرینی , تجزیه و تحلیل مولفه های اصلی , ضریب تبیین , منحنی مشخصه عملکرد , شاخص کاپا