ارائه مدل آماری پیش بینی وقوع آتش سوزی بر مبنای عوامل هواشناختی موثر بر گسترش آتش سوزی های جنگلی (مطالعه موردی جنگل های استان گیلان)

آتش سوزی جنگل در ایران، به ویژه در جنگل های شمال کشور آثار مخربی را در اکوسیستم و اقتصاد و همچنین چهره ظاهریاین مناطق به جای گذاشته است.در این تحقیق عوامل هواشناسی در پیشبینی وقوع حریق با استفاده از روشهای شبکه عصبی مصنوعی و تحلیل همبستگی بررسی گردیدهاست. داده های آموزشی مورد استفاده در این پایان نامه داده های مربوط به دما، بارندگی، رطوبت، سمت و سرعت باد، ساعات آفتابی و فشارسطح دریا ایستگاه های سیتوپتیکی استان گیلان و داده های مربوط به تعداد وقوع آتش سوزی و مساحت سوخته شده استان که منحصرا ازعوامل هوا شناختی متاثربودند از سازمان مراتع و جنگل ها به مدت 6 سال (1391 الی 1396) می باشند.طی بررسی های به عمل آمده نتیجه شد که روش شبکه عصبی برای پیش بینی وقوع حریق با استفاده از داده های سینوپتیکی نسبت به روشرگرسیون مناسب ترمی باشد. برای ایجاد شبکه بین متغیرهای مستقل و تعداد وقوع آتش سوزی از تابع هاپربولیک استفاده شد. یک شبکهپرسپترون با یک لایه مخفی و تعداد 10 نرون در هر لایه ورودی و خروجی آزمون شد و نتایج اعتبار سنجی نشان داد که در اجرای 13 وتکرار 1500 بهترین شبکه بدست آمد. برای ایجاد شبکه بین متغیرهای مستقل و سطح سوخته شده نتایج اعتبار سنجی نشان داد که دراجرای 10 و تکرار 1100 بهترین شبکه بدست آمد.

Keywords:

آتش سوزی جنگل , مدل آماری , پیش بینی , شبکه عصبی مصنوعی , رگرسیون