مقایسه بین شبکه عصبی مصنوعی و تحلیل رگرسیون در برآورد مدت زمان قطع درخت
سال انتشار: 1391
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 36
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJFPR-20-4_007
تاریخ نمایه سازی: 25 دی 1402
چکیده مقاله:
قطع درخت در بین مولفه های بهره برداری، اهمیت زیادی دارد. برآورد تولید تجهیزات جنگلی، بخش مهمی از مدیریت هزینه ها در یک واحد جنگلداری است که با کاهش هزینه های عملیات همراه است. به عبارت دیگر، هزینه های بالای سرمایه گذاری در بهره برداری جنگل، دلیل خوبی برای تحقیقات مهندسی جنگل و همچنین مدل سازی زمان می باشد. روشهای زیادی مانند انواع رگرسیون ها، منطق فازی، شبکه های عصبی و غیره برای پیش بینی زمان قطع وجود دارد که به کمک آنها می توان به ارتباط منطقی بین زمان قطع درخت و متغیرهای مستقل موجود دست یافت و برای عملیات آینده میزان زمان قطع درخت را پیش بینی نمود. در این تحقیق از تحلیل رگرسیون و شبکه های عصبی پرسپترون چند لایه و تابع شعاع مدار برای پیش بینی زمان قطع درخت در جنگلهای شرکت نکاچوب استفاده شد. به منظور جمع آوری داده های زمان قطع، از روش مطالعه زمانی پیوسته استفاده شد. بدین منظور تعداد ۸۴ درخت از درختان نشانه گذاری شده انتخاب شد و زمان خالص قطع درخت با استفاده از شبکه پرسپترون چندلایه و تابع شعاع مدار، و همچنین روش رایج تحلیل رگرسیون پیش بینی گردید. نتایج نشان داد که شبکه عصبی تابع پایه شعاعی نسبت به شبکه عصبی پرسپترون چندلایه دارای دقت بیشتری در برآورد زمان قطع درخت می باشد. همچنین مقایسه معیارهای ارزیابی شبکه عصبی مصنوعی با رگرسیون گام به گام نشان داد که شبکه عصبی MLP و RBF به ترتیب دارای مقدار RMSE ۰/۹۴ و ۸۱/۰ بوده، در حالی که مقدار RMSE مدل رگرسیون ۱۵/۱ می باشد.
کلیدواژه ها:
نویسندگان
هادی بیاتی
دانشجوی کارشناسی ارشد، گروه جنگلداری، دانشکده منابع طبیعی و عوم دریایی دانشگاه تربیت مدرس
اکبر نجفی
گروه جنگلداری، دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس
پرویز عبدالمالکی
دانشیار، دانشکده علوم زیستی دانشگاه تربیت مدرس
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :