کاربرد روش شبکه عصب ی مصنوعی برای پیش بینی حجم سرپای درخت توسکای قشلاقی (Alnus glutinusa) (مطالعه موردی: جنگل های شرکت شفارود، استان گیلان)

برای مدیریت کاشت ، خرید و فروش توسکای قشلاقی لازم است حجم سرپای آن اندازه گیری شود. از اینرو، با روشهایی مانند: هوبر، اسمالین ، پرسلر با استفاده از ارتفاع درخت و قطر در ارتفاعهای مختلف ، حجم و ضریب شکل محاسبه می شوند. این مطالعه با هدف پیش بینی حجم سرپای درخت توسکای قشلاقی (Alnus glutinusa) با روش شبکه عصبی مصنوعی انجام شد. در این مطالعه تعداد ۱۰۷ اصله درخت توسکای قشلاقی در جنگل های شرکت شفارود در استان گیلان در دامنه های قطری صفر تا ۱۰، ۱۰ تا ۲۰، ۲۰ تا۳۰، ۳۰ تا۴۰ نمونه گیری شد. نمونه گیری به صورت تصادفی انجام شد و برای هر دامنه قطری ارتفاع و قطر در ارتفاع برابر سینه درخت با متر لیزری و کالیپر اندازه گیری شد. برای پیش بینی حجم سرپای درخت توسکای قشلاقی از مدل شبکه عصبی ساده و چند گانه استفاده شد. ورودی در مدل شبکه عصبی به ترتیب قطر در ارتفاع برابر سینه و ارتفاع درخت و خروجی در مدل حجم سرپای درخت بود. در این مطالعه برای مطالعه مدل ساده شبکه عصبی دادههای ورودی قطر یا ارتفاع بصورت جداگانه به مدل وارد شدند، اما برای مدل چندگانه این دو شاخص به طور همزمان به عنوان داده ورودی وارد مدل شدند. تعداد لایه پنهان ۱ درنظر گرفته شد و برای آن ۱۰ نورون در نظر گرفته شد. نتایج نشان داد که MAPE و R۲ برای مدل ساده با شاخص قطر به ترتیب ۸۸/۱۰ درصد و ۹۴۶۱/۰ و با شاخص ارتفاع به ترتیب ۶۸/۲۵ درصد و ۷۶۴۱/۰ بود. MAPE و R۲ برای مدل چندگانه به ترتیب ۰۶/۰ درصد و ۹۹۹۹/۰ بود که به عنوان بهترین مدل در این مطالعه ارائه شد.