مدل سازی زوال درختان بلوط با استفاده از شبکه­ های عصبی مصنوعی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 434

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SEPEHR-28-110_005

تاریخ نمایه سازی: 16 مهر 1398

چکیده مقاله:

جنگل های زاگرس بیشترین تاثیر را در تامین آب، حفظ خاک و تعدیل آب  و هوای کشور دارد. با این وجود بخش قابل توجهی از این جنگل ها دچار پدیده ی زوال درختان بلوط شده است. مشخص نبودن پارامترهای موثر در زوال و نحوه ی ارتباط پارامترها، از جمله عواملی هستند که باعث سخت تر شدن شناخت و مدل سازی این پدیده می شود. هدف این پژوهش تعیین پارامترهای تاثیرگذار برای مدل سازی زوال درختان بلوط و مدل سازی این پدیده با استفاده از شبکه های عصبی مصنوعی در استان لرستان است. در این پژوهش، پارامترهای دما، بارش، ارتفاع، شیب، جهت، نوع خاک و میزان ریزگردها به عنوان پارامترهای اولیه انتخاب شدند. همچنین از عملگرهای ضرب، لگاریتم، تبدیلات هذلولی و آنالیز مولفه های اصلی برای ترکیب پارامترها استفاده شد. به دلیل معلوم نبودن نحوه ی ارتباط و میزان اثر هر پارامتر، از شبکه های عصبی مصنوعی برای مدل سازی پدیده زوال استفاده شد. در مجموع 385 ترکیب مختلف از پارامترهای اولیه، با استفاده از عملگرهای فوق تولید و در سه معماری پیش خور با سه لایه پنهان، احتمالاتی و معماری ماشین بردار پشتیبان در شبکه های عصبی، (در مجموع تعداد 1155 شبکه ی عصبی) ارزیابی شد. نتایج ارزیابی نشان داد معماری احتمالاتی (87/0=R) با ورودی های ارتفاع، جهت، شیب، ریز گرد، نوع خاک و مولفه ی اصلی (بارش و دما) بهترین عملکرد را در مدل سازی زوال درختان بلوط دارد. با توجه به نتایج، استفاده از شبکه های عصبی مصنوعی احتمالاتی در شرایط عدم قطعیت و وجود دانش جزئی از پدیده، توصیه می شود. همچنین نتایج نشان دادند که استفاده از مولفه ی اصلی پارامترهای دما و بارش، استرس ناشی از خشکی را بهتر مدل می کند. استفاده از ترکیب بهینه ی پارامترها، در مدل احتمالاتی نسبت به ترکیب عادی، باعث افزایش 05/0 ضریب همبستگی شد.

کلیدواژه ها:

نویسندگان

علی اصغر آل شیخ

استاد، دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

سعید مهری

دانشجوی دکترای مهندسی سیستم اطلاعات مکانی (GIS)، دانشکده مهندسی ژئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

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 :
  • احمدی، زاهدی امیری، مروی مهاجر؛ شهرام، قوام ­الدین، محمدرضا، 1395، ...
  • بیات، نمیرانیان، رشیدی، بابایی؛ محمود، امید، منوچهر، سجاد، 1395،  کارایی ...
  • حسینی، احمد، 1390، بررسی میزان آلودگی درختان به سوسک های ...
  • حسینی، حسینی، رحمانی، آزادفر؛ احمد، سید محسن، داوود، 1392، مقایسه ...
  • طالبی، ثاقب طالبی، جهانبازی گوجانی؛ محمود، خسرو، حسن، 1385، بررسی ...
  • عزیزی، میری، محمدی، پورهاشمی؛ قاسم، مرتضی، مهدی، 1394، واکاوی زوال ...
  • عطارد، صادقی، طاهری سرتشنیزی، ساروئی، عباسیان، مسیح ­پور، کردستمی، دریکوندی؛ ...
  • کرمی، کاوسی، بابانژاد؛ جلیل، محمدرضا، منوچهر، 1396، بررسی امکان تهیه ...
  • مهدوی، میرزا یی ­زاده، نیک­ نژاد، کرمی؛ علی، وحید، مریم، ...
  • مهدی­ فر، ثاقب­ طالبی؛ داریوش، خسرو، 1385، مشخصات کمی و ...
  • میرابوالفتاحی، منصوره، 1392، شیوع بیماری زغالی درختان بلوط و آزاد ...
  • Ahmadi, R., H. Kiadaliri, A. Mataji and S. Kafaki., 2014. ...
  • Cilimkovic, M., 2015. Neural networks and back propagation algorithm. Institute ...
  • Corcobado, T., E. Cubera, E. Juárez, G. Moreno and A. ...
  • Costa, A., H. Pereira and M. Madeira., 2010. Analysis of ...
  • Ferreira, F., T. Oszako and C. Delatour., 2000. The cork ...
  • Godinho, S., N. Guiomar, R. Machado, P. Santos, P. Sá-Sousa, ...
  • Jönsson, U., 2004. Phytophthora species and oak decline – can ...
  • Kabrick, J. M., D. C. Dey, R. G. Jensen and ...
  • Köhl, M. and G. Gertner., 1997. Geostatistics in evaluating forest ...
  • Lek, S., M. Delacoste, P. Baran, I. Dimopoulos, J. Lauga ...
  • Martín García, J., A. Solla, T. Corcobado, E. Siasou and ...
  • Parzen, E., 1962. On estimation of a probability density function ...
  • Radi, A. and S. K. Hindawi, 2013. Applying Artificial Neural ...
  • Rojas, R., 2013. Neural networks: a systematic introduction, Springer-Verlag, New ...
  • Rosa, J. L. G., 2013. Biologically Plausible Artificial Neural Network, ...
  • Sammut C, Webb GI,. 2016. Encyclopedia of Machine Learning and ...
  • Specht, D. F., 1990. Probabilistic neural networks. Neural networks, 3(1): ...
  • Sun, X.-y., F.-n. Kang, M.-m. Wang, J.-p. Bian, J.-l. Cheng ...
  • Tran, D., A. Ng, B. Perera, S. Burn and P. ...
  • Taghimollaei, Y., Karamshahi, A., (2017).  Sudden Oak Death in Iran ...
  • نمایش کامل مراجع