کاربرد شبکه عصبی مصنوعی در برآورد حجم تنه درختان
برآورد حجم درخت یکی از بخشهای مهم پیش بینی رشد و محصولدهی جنگل میباشد. تاکنون روابط زیادی مانند: نیوتن، اسمالین، پرسلر و هوبر به منظور برآورد حجم درخت مورد استفاده قرار گرفتهاند که تمامی این روابط نیازمند اندازه گیری قطر در ارتفاعهای خاصی بوده که این امر با پیچیدگیهای خاصی خصوصا در ارتفاعهای بالای سطح زمین مواجه میباشد. در این پژوهش سعی شده است تا از فنآوری جدید هوش مصنوعی و یکی از زیرمجموعه های آن تحت عنوان شبکه عصبی مصنوعی به عنوان روشی جدید و به علت عدم وابستگی به فرضهای اولیه درباره داده ها به منظور برآورد حجم صنعتی تنه استفاده گردد. برای این منظور تعداد 101 درخت از درختان نشانه گذاری شده جنگل آموزشی پژوهشی دانشگاه تربیت مدرس، انتخاب و قطر برابر سینه، قطر در ارتفاع کنده، قطر انتهای تنه، ارتفاع تنه و ارتفاع کل درخت با دقت بالا مورد اندازهگیری قرار گرفتند. از دو مدل شبکه عصبی، پرسپترون چند لایه (MLP)و تابع پایه شعاعی (RBF) به منظور پیشبینی حجم تنه استفاده گردید. نتایج نشان داد که شبکه عصبی تابع پایه شعاعی نسبت به شبکه عصبی پرسپترون چند لایه دارای دقت بیشتری در برآورد حجم تنه میباشد. همچنین مقایسه معیارهای ارزیابی شبکه های عصبی نشان داد که شبکه عصبی MLP و RBF به ترتیب دارای مقدار RMSE 18/1 و 08/1 میباشند.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.