به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

boruta algorithm

در نشریات گروه جنگلداری
تکرار جستجوی کلیدواژه boruta algorithm در نشریات گروه کشاورزی
تکرار جستجوی کلیدواژه boruta algorithm در مقالات مجلات علمی
  • مریم اقنوم، جهانگیر فقهی*، مجید مخدوم، علیرضا مقدم نیا، وحید اعتماد
    حوزه آبخیز کن در استان تهران، برای ارزیابی توان اکولوژیک کاربری جنگلکاری مورد بررسی قرار گرفت. بر این اساس با توجه به شرایط منطقه و اهداف جنگلکاری، گونه های مناسب انتخاب شدند. سپس سرشت و خواهش های اکولوژیکی گونه های منتخب بررسی و شاخص های تاثیرگذار در روند ارزیابی مشخص شدند. بعد از پردازش، طبقه بندی و ادغام لایه های مکانی در GIS با استفاده از نتایج روش سیستمی، الگوریتم جنگل تصادفی آموزش داده شد و نقشه مناطق مناسب جنگلکاری تهیه شد. بر اساس نتایج به دست آمده مشخص شد که روش جنگل تصادفی دقت بسیار بالایی در پیش بینی مناطق مستعد توسعه جنگل دارد. همچنین 2116 هکتار از حوزه آبخیز کن دارای توان متوسط برای جنگلکاری است. نتایج اجرای الگوریتم بروتا نیز نشان داد که متغیرهای عمق خاک، بارندگی در فصل رویش، ارتفاع، بافت خاک، شیب و جهت به ترتیب دارای وزن و درجه اهمیت از زیاد به کم هستند. به طورکلی، نتایج این پژوهش حاکی از آن است که روش جنگل تصادفی به عنوان روشی توانمند در تهیه نقشه های ارزیابی توان اکولوژیک می تواند مورد استفاده قرار بگیرد.
    کلید واژگان: الگوریتم بروتا، روش سیستمی، هوش مصنوعی
    Maryam Oghnoum, Jahangir Feghhi *, Majid Makhdoum, Alireza Moghaddamnia, Vahid Etemad
    It is necessary to evaluate sustainable spatial allocation of afforestation. For this purpose, this study was conducted in the Kan watershed of Tehran province to assess the suitability of land for afforestation. First, suitable tree species were chosen based on land characteristics of study area and purpose of restoration. Then, the ecological demands of tree species were investigated and effective Indicators that affect the evaluation process were identified. After processing, classification and integration of spatial layers in GIS using the system analysis method, a random forest algorithm was trained and suitability map of afforestation was produced. Results show that Random Forest method has high accuracy in predicting suitable areas for afforestation. Also, 2116 ha of the study area is moderately suitable for afforestation. Based on Boruta algorithm Soil depth, growing season precipitation, elevation, soil texture, slope, and aspect are considered as the most important to the least important features, respectively and it is not necessary to carry out weighting methods for evaluation of afforestation capability. Generally, the Random Forest method can be used as a capable way to prepare ecological capability maps.
    Keywords: Boruta algorithm, System analysis, Artificial intelligence
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال