مدل عصبی- فازی خطای افت در عملیات قطع هدایت شده با استفاده از روش خوشه بندی کاهنده

پژوهش پیش رو با استفاده از روش خوشه بندی کاهنده در سیستم عصبی- فازی تطبیقی به ارایه مدلی برای برآورد میزان خطای جهت افت درخت در قطع هدایت شده می پردازد. بدین منظور ۹۵ اصله درخت در پارسل ۲۰۷ سری دو حوضه آبخیز ناو توسط اکیپ عملیات قطع و صرف نظر از مهارت اره موتورچی ها، قطع شدند. اختلاف جهت پیش بینی شده و جهت افت واقعی درختان به عنوان خطای افت اندازه گیری شد. با درنظر گرفتن ۱۲ عامل به عنوان عامل های موثر در میزان خطای افت و با به کارگیری دو نوع الگوریتم یادگیری، دو نوع تابع استنتاج و پنج نوع تابع عضویت برای متغیرهای ورودی، مدل های مختلف عصبی- فازی با روش خوشه بندی کاهنده ساخته و ارزیابی شدند. نتایج نشان داد که تابع عضویت ذوزنقه ای در ترکیب با سیستم استنتاج سوگنو مرتبه یک و الگوریتم یادگیری پس انتشار خطا بهترین عملکرد را در میان کلیه ترکیبات مورد نظر داشته اند. تحلیل حساسیت مدل نشان داد که مهم ترین عامل ها به ترتیب شیب زمین، زاویه سطح بن بری و بن زنی در امتداد حاشیه برش، قطر و زاویه دهانه بن زنی بوده اند و بقیه عامل ها تاثیر کمتری داشته اند. نتایج برآورد مدل نشان داد که گمان گروه قطع در تعیین انتخاب جهت افت درخت در شرایط پرشیب تر به واقعیت نزدیک تر بود. به علاوه، افزایش قطر درخت و باز کردن بیش از حد دهانه بن زنی با افزایش خطای قطع همراه بود.

کلیدواژه ها:

اره موتوری ، تابع عضویت ، سوگنو ، سیستم استنتاج عصبی- فازی تطبیقی ، قطع ، محاسبات نرم