پیش بینی حجم صنعتی و هیزمی پهن برگان با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: سری گرازبن جنگل خیرودکنار، نوشهر)

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 49

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_IJFPR-25-3_016

تاریخ نمایه سازی: 25 دی 1402

Abstract:

تصمیم­ گیری در منابع طبیعی اغلب به پیچید­گی­ هایی فراتر از روش­ های تجربی آماری منجر می­ شود، بنابراین نیاز به راهکارهای نوین دارد. تکنیک شبکه­ های عصبی مصنوعی با تقلید از مغز انسان و الگوبرداری از آن به  فرآیند حل مشکل می­ پردازد. در این پژوهش به­ پیش­ بینی حجم صنعتی و هیزمی درختان با استفاده از تکنیک هوش مصنوعی پرداخته شد. برای این منظور، ۳۶۷ اصله از درختان نشانه­ گذاری شده جنگل آموزشی- پژوهشی خیرودکنار نوشهر انتخاب و متغیرهای قطر برابر سینه، قطر کنده، ارتفاع کنده، ارتفاع کل، طول صنعتی، حداقل قطر میانه گرده ­بینه، وضعیت درخت، گونه و عامل های توپوگرافی شامل شیب، جهت و ارتفاع از سطح دریا اندازه گیری شدند. کلیه متغیرها به عنوان ورودی شبکه درنظر گرفته شدند. برای مدل سازی از شبکه پرسپترون چندلایه استفاده شد. نتایج نشان داد که شبکه MLP با مقدار خطای جذر میانگین مربعات ۰/۲۳۳ و ضریب تبیین های ۰/۹۴ و ۰/۷۱ به ترتیب برای حجم­ های صنعتی و هیزمی دارای دقت قابل قبولی برای پیش ­بینی بود.

Authors

فاطمه گرزین

کارشناسی ارشد جنگل داری، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران

منوچهر نمیرانیان

استاد، گروه جنگل داری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران

محمود امید

استاد، گروه مهندسی ماشین های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران

محمود بیات

استادیار پژوهش، موسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، 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 :
  • Bayat, M., ۲۰۱۴. Growth and yield models for uneven-aged and ...
  • Bayat, M., Namiranian, M., Omid, M., Rashidi, A. and Babayi, ...
  • Bayati, H. and Najafi, A., ۲۰۱۱. Application of artificial intelligence ...
  • Bayati, H. and Najafi, A., ۲۰۱۳. Comparison between artificial neural ...
  • Coulson, R.N., Folse, J.L. and Loh, D.K., ۱۹۸۷. Artificial intelligence ...
  • Etemad, V., ۲۰۰۲. Study of quantitative and qualitative characteristics of ...
  • Ghanbari, F., Shataee, Sh., Dehghani, A.A. and Ayoubi, Sh., ۲۰۰۹. ...
  • Gimblett, R.H. and Ball, G.L., ۱۹۹۵. Neural network architectures for ...
  • Gorzin, F., ۲۰۱۵. Prediction volume of trees by artificial neural ...
  • Jafari, M., Vafakhah, M. and Abghari, H., ۲۰۱۲. Performance comparison ...
  • Kia, M., ۲۰۱۰. Neural Network in Matlab. Kian Rayaneh Sabz ...
  • Namiranian, M., ۲۰۱۰. Tree Measurement and Forest Bio-inventory. University of ...
  • Ozçelik, R., Diamantopoulou, J.M., Brooks, J.R. and Wiant, H.V., ۲۰۱۰. ...
  • Peng, C. and Wen, X., ۱۹۹۹. Recent applications of artificial ...
  • Safi Samgh Abadi, A., ۲۰۰۳. Forest multi-objective planning by artificial ...
  • Shamekhi, T., ۲۰۱۱. Regulation and Administration of Natural Resources (Forests ...
  • Soltani, S., Sardari, S., Sheykhpour, M. and Mousavi, S., ۲۰۱۰. ...
  • Yolme, Gh., Moayyeri, M.H. and Mohammadi, J., ۲۰۱۳. An introduction ...
  • Zobeiri, M., ۲۰۰۵. Forest Inventory (Tree Measurement). University of Tehran ...
  • Zobeiri, M., ۲۰۰۷. Forest Biometry. University of Tehran Press, Tehran, ...
  • نمایش کامل مراجع