Aleemahmoodi Sarab S, Feghhi J, Jabarian Amiri B. Predicting the Occurrence of Natural Fires in Forests and Ranges using Artificial Neural Networks (Case Study: Zagros Region, Izeh Township). Iranian Journal of Applied Ecology 2013; 1 (2) :75-86
URL:
http://ijae.iut.ac.ir/article-1-188-fa.html
عالی محمودی سراب سجاد، فقهی جهانگیر، جباریان امیری بهمن. پیش بینی وقوع آتش سوزی در جنگل ها و مراتع با استفاده از شبکه عصبی مصنوعی(مطالعه موردی: جنگلهای منطقه زاگرس، شهرستان ایذه). بوم شناسي كاربردي. 1391; 1 (2) :75-86
URL: http://ijae.iut.ac.ir/article-1-188-fa.html
گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه تهران
چکیده: (20576 مشاهده)
بدون شک یکی از عوامل مؤثر بر وقوع و گسترش آتشسوزی در جنگلها و مراتع، عوامل آبوهوایی میباشد. هدف از این تحقیق پیشبینی خطر آتشسوزی جنگلها و مراتع شهرستان ایذه با استفاده از شبکههای عصبی مصنوعی و دادههای آبوهوایی شهرستان ایذه بهصورت ماهانه بود. شهرستان ایذه در شمال غربی استان خوزستان واقع شده و دارای آبوهوایی نسبتاً نیمهخشک است. دادههای آتشسوزی شامل سطح سوختهشده و تعداد وقوع آتشسوزی از اداره کل منابع طبیعی استان خوزستان اخذ شد. نتایج این تحقیق نشان داد، الگوریتم پرسپترون چندلایه و تابع هاپربولیک در ایجاد ارتباط بین دادههای آبوهوایی و وقوع آتشسوزی کارا بوده و شبکه، مدلی با 2 لایه مخفی و 15 نرون بهترین صحت را نشان داد. برای پیشبینی وقوع آتشسوزی بهترین شبکه با میزان میانگین مربعات خطای نهایی برابر 0038/0 بهدست آمد. با انجام تست این شبکه مقدار ضریب هبستگی این شبکه به 99/0 و همچنین مقادیر میانگین مربعات خطا و میانگین مربعات خطای نرمال شده(NMSE) بهترتیب حدود 073/0 و 018/0 بهدست آمد. با استفاده از دادههایی که برای تست شبکه کنار گذاشته شده بودند قدرت شبکه برای پیشبینی خطر آتشسوزی، تعیین شد و مقدار ضریب تعیین برای این شبکه 98/0 = r2 بهدست آمد. در ادامه تحقیق با استفاده از شبکه عصبی برای تعیین نوع مدل بین دادههای آبوهوایی و سطح سوخته شده، شبکه پرسپترون به مدلی با صحت متوسط دست یافت. میزان ضریب تعیین مدل برای پیشبینی سطح سوخته شده متوسط و حدود (58=r2) بهدست آمد
نوع مطالعه:
پژوهشي |
موضوع مقاله:
عمومى