مقایسه الگوریتم های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدل سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران

تغییرات پوشش سرزمین و توسعه شهرها سبب تخریب زیستگاه های طبیعی و کاهش تنوع زیستی شده است. یکی از روش های مورد استفاده برنامه ریزان جهت کنترل روند تغییرات پوشش سرزمین و کاربری اراضی، مدل سازی می باشد. این مطالعه، با هدف مقایسه رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی جهت مدل سازی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران انجام شد. جهت تحلیل تغییرات منطقه از تصاویر ماهواره Landsat متعلق به سال های ۱۳۶۷، ۱۳۷۹، ۱۳۸۵ و ۱۳۹۰، مورد استفاده قرار گرفت. همچنین، مدل سازی پتانسیل انتقال با استفاده از رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی انجام پذیرفت. جهت پیش بینی تغییر پوشش سرزمین سال ۱۳۹۰، از دوره واسنجی ۱۳۸۵-۱۳۷۹ با استفاده از زنجیره مارکف و مدل پیش بینی سخت استفاده شد. صحت مدل سازی نیز با استفاده از ضریب کاپا ارزیابی شد. نتایج حاصل از ضرایب کاپا نشان داد که اگرچه رگرسیون لجستیک (۸۴۵۶/۰) دقت بالاتری نسبت به پرسپترون چندلایه شبکه عصبی مصنوعی (۸۲۷۶/۰) دارد، خطی کردن متغیرها، تاثیر زیادی در افزایش صحت مدل در منطقه مورد مطالعه نداشته است.

Keywords:

Transition Potential Modeling , logistic regression , Multi layer perceptron neural network , Accuracy assessment , Coastal areas of mazindaran province