چکیده مقاله
حجم درخت یکی از شاخصهای مهم در پیش بینی رشد و محصول دهی جنگل است در برآورد حجم درختان از روابطی مانند: نیوتن، اسمالین پرسلر و هوبر مورد استفاده قرار میگیرد که نیازمند اندازه گیری قطر در ارتفاعهای خاص بوده که با پیچیدگی های خاصی به ویژه در ارتفاعهای بالای سطح زمین مواجه میباشد در این پژوهش از شبکه عصبی چند لایه پرسپترون در برآورد حجم صنوبر در حوزه شفارود استفاده شد برای این منظور تعداد ۱۰۰ اصله درخت صنوبر انتخاب و قطر برابرسینه، قطر کنده، قطر انتهای تنه، ارتفاع تنه و ارتفاع کل درخت با دقت زیاد مورد اندازه گیری قرار گرفتند برای برآورد حجم تنه درختان به وسیله شبکه عصبی از ماتریسهای مرکب ترکیب ۴ متغیر قطر کنده، ارتفاع کنده، قطر بالای تنه و ارتفاع بالای تنه استفاده شد ورودیها در ماتریسهای مختلف دو ستونی، سه ستونی و چهار ستونی در نرم افزار EXCEL تعبیه شدند و در نرم افزار MATLAB طراحیهای شبکههای عصبی پرسپترون تک لایه، دو لایه و سه لایه انجام گرفت صحت سنجی مدلها با استفاده از معیارهای ارزیابی مجذور میانگین مربعات خطا و ضریب همبستگی پیرسون صورت گرفت و در هر لایه تعداد نورونهای مختلف انتخاب شده پس از چند بار آموزش بهترین حالت عملکرد در نظر گرفته شد و برای هر الگوی ورودی بهترین آرایش در لایههای مختلف انتخاب و مورد ارزیابی و خطاسنجی قرار گرفت در تمامی الگوهای مورد بررسی شبکه عصبی پرسپترون تک لایه دارای دقت بیشتری در برآورد حجم تنه بود و شبکه عصبی پرسپترون سه لایه و دو لایه در جایگاههای بعدی قرار داشتند الگوی ۹ قطر، کنده، قطر و ارتفاع بالای تنه شروع، تاج کم خطاترین الگوی ورودی برای هر سه لایه شبکه عصبی پرسپترون بود در این تحقیق شبکه عصبی پرسپترون تک لایه با مجذور میانگین مربعات خطای ۶/۶ = RMSE و ضریب همبستگی پیرسون ۹۹/۱ = r به عنوان دقیق ترین رابطه خروجی شبکه عصبی در برآورد حجم تنه درختان صنوبر حوزه شفارود در استان گیلان انتخاب شد
کلیدواژهها
نویسندگان
شیوه ارجاع
همتی، وحید و کحالی مقدم، ثمره و مرتضایی، سیده شادمان،1403،بررسی کارایی شبکه عصبی پرسپترون چند لایه در برآورد حجم صنوبر در غرب گیلان،ششمین همایش ملی جنگل ایران،کرج
ارائهشده در
مجموعه مقالات ششمین همایش ملی جنگل ایران4 دی 1403 · کرج