ایمان پژوهان - دانشجوی دکتری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، مازندران، نور،
اکبر نجفی - دانشیار گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، مازندران، نور.
هادی بیاتی - دانشجوی دکتری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، مازندران، نور
بردی محمد اق ارق کاکلی - دانشجوی دکتری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، مازندران، نور

یکی از موارد تاثیرگذار در هزینه های عملیات خاکی جاده سازی سهم سنگ موجود در خاک است که به طور مستقیم درقیمت هر مترمکعب خاک برداری تاثیرگذار است. بنابراین ایجاد یک چارچوب قابل اعتماد از سهم سنگ قبل از ساخت جاده جنگلی منجر به بهینه سازی ساخت جاده و هزینه کمتر می شود. در این پژوهش ابتدا مربوط به براورد سهم صخره سنگ در مناطق جنگلی از طریق تقسیم بندی مسیر به درجات مختلف سختی توسط کارشناسان بخش اجرا، سهم سنگ به عنوان تابعی از شیب عرصه و تعداد و پراکنش رخنمون های سنگی براورد گردید. به این منظور در جاده ای به طول 1 کیلومتر فواصل 5 تا 10 متری شیب طبیعی زمین و میزان برون زدگی سنگی به طور دقیق ثبت گردید. همچنین میزان صخره سنگ در خاک زیرین در حین عملیات ساخت جاده یادداشت گردید. جهت مدلسازی سهم صخره سنگ، به کمک شبکه های عصبی مصنوعی، از دو شبکه عصبی پرسپترون چندلایه و تابع شعاع مدار استفاده شد. نتایج نشان داد شبکه عصبیRBFدر مقایسه با شبکهMLPدر براورد سهم صخره سنگ دقت بیشتری دارد. همچنین، مقایسه نتایج روش رگرسیون و شبکه عصبی نشان داد شبکه های عصبی مصنوعی دقت بیشتر و خطای کمتری در برآورد سهم صخره سنگ دارند.

هزینه، عملیات خاکی، جاده، شیب، برونزدگی سنگی ، هوش مصنوعی