بررسی کارایی شبکه های عصبی در برآورد ارزش سلول های نقشه مطلوبیت برای عبور جاده جنگلی

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 596

This Paper With 13 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICDAN02_127

تاریخ نمایه سازی: 26 شهریور 1395

Abstract:

مدیریت بهینه منطقه ای وسیع همانند جنگل ،نیازمند داشتن شبکه ای از جاده های جنگلی است. امروزه روش های نوینی جایگزین روش سنتی شده است که این روش ها کمک شایانی به طراحی سریع تر و عملی تر مسیر مناسب می نمایند هدف این پژوهش که در قسمتی از جنگل خیرود (نوشهر) انجام گرفت، بررسی قابلیت های شبکه عصبی مصنوعی در برآورد و تخمین ارزش هر سلول نقشه برای عبور جاده جنگلی به منظورافزایش سرعت و دقت درطی روند طراحی به منظور بررسی مناطق مناسب می باشد. نقشه مهم ترین عوامل در طراحی جاده جنگلی پنج بخش و نقشه شایستگی بخش پاتم برای عبور شبکه جاده موجود است. ارزش تمام سلول های نقشه ها و مختصات آن ها با استفاده از نرم افزار ENVI استخراج گردید. سپس برای بدست آوردن ارزش تخمین زده شده نقشه شایستگی عبور جاده مدل سازی توسط دو شبکه عصبی پرسپترون چند لایه و شبکه عصبی شعاع مبنا انجام گرفت. شبکه پرسپترون چند لایه توانایی بهتری دربرآورد میزان شایستگی برای عبور از خود نشان داد.

Authors

مینا جوانمرد

دانشجوی کارشناسی ارشد دانشگاه تهران

احسان عبدی

استادیار دانشکده منابع طبیعی دانشگاه تهران

مهدی قطعی

استادیار دانشگاه صنعتی امیرکبیر

باریس مجنونیان

استاد دانشکده منابع طبیعی دانشگاه تهران

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 :
  • عباسی، مطهر و سیدحسینی، سید محمد، مسیریابی خطوط مترو با ...
  • منهاج، محمدباقر، مبانی شبکه عصبی. مرکز نشر دانشگاه صنعتی امیرکبیر، ...
  • احمدی، فضل‌اله، نصیریانی، خدیجه، اباذری، پروانه، تکنیک دلفی: ابزاری در ...
  • قنبری، فریبا، شتایی، شعبان، دهقانی، امیراحمد و آبی، شمس .، ...
  • سوری، سلمان، لشکری‌پور؛ غلامرضا و غفوری، محمد، پهنه‌بندی زمین لغزش ...
  • (یاتی، هادی و نجفی، اکبر، مقایسه عملکرد شبکه های عصبی ...
  • رافت نا، نصرت الله، عبدی، امید، شتایی، شعبان، تعیین روش ...
  • آ شاهسوند دادی، نیره، پیرباوقار، مهتاب و سبحانی، هوشنگ، طراحی ...
  • Hsu, c.c.. and Sandford, B.A., 207, The Delphi technique: Making ...
  • Yurtseven, I., zengin, M., 2013, Neural network modelling of rainfall ...
  • Demir, M. 2007, Impacts, management and functional planning criterion of ...
  • Hoseini, A., and Solaymni, K., 2006, Investigation of effective factors ...
  • Aron, I.A., 2003, Optimal path, neural network approaches to modeling ...
  • Maeda, E.E., Formaggio, A.R., Shimbkuro, Y.E, Arcoverde, G.F.B., Hansrn, M.C. ...
  • نمایش کامل مراجع