10 نتیجه برای شبکه عصبی
عباس علیمحمدی، علی اکبر متکان، پرویز ضیائیان، هومن طباطبایی،
دوره 9، شماره 8 - ( 4-1388 )
چکیده
نقشه های قابل اعتماد از تیپ جنگل ها نقش مهمی در اتخاذتصمیمات بهینه برای مدیریت اکوسیستمهای جنگلی در نواحی وسیع ایفا می کنند. در سال های اخیر تهیه این نقشه ها از طریق طبقه بندی رقومی دادههای سنجش از دور به عنوان جایگزینی مناسب موردتوجه قرار گرفته است. نتایج حاصله در این زمینه برحسب روشهای طبقهبندی مورداستفاده، وضعیت پوشش جنگلی، شرایط منطقه موردمطالعه و دادههای بکار گرفته شده متفاوت بوده است. هدف از این تحقیق، مقایسه روشهای طبقهبندی پیکسلپایه و شئپایه و درخت تصمیم برای تهیه نقشه تیپهای جنگل با استفاده از تصویر ماهوارهای SPOT5 در محدودهای از جنگل آستارا واقع در شمال ایران است. اطلاعات زمینی با استفاده از 153 پلات به صورت تصادفی درمساحت های یک هکتاری تهیه گردید. نوع تیپ در هر پلات بر اساس درصد فراوانی کل نوع گونهها تعیین شد و شامل تیپهای انجیلی آمیخته، پهن برگ مخلوط، ممرز آمیخته، راش آمیخته و حفاظتی بود. برای تهیه نقشه این تیپها، در روش پیکسلپایه با استفاده از داده های طیفی و طبقهبندیکننده شبکه عصبی، صحت کلی 04/52 درصد و ضریب کاپای 39/0 حاصل شد و در روش طبقهبندی شئپایه با روش نزدیکترین همسایه و توابع فازی، صحت کلی 3/63 درصد و ضریب کاپای 54/0 بدست آمد. به دلیل تشابه طیفی تیپهای آمیخته جنگل و تفکیک پذیری پائین آنها از یکدیگر در محدوده باندهای طیفی از اطلاعات بافت و دادههای توپوگرافی موثر در پراکنش مکانی تیپها شامل ارتفاع، جهت، شیب و فاصله از شبکه آبراهه برای کلاسهبندی تیپهای آمیخته جنگل استفاده گردید. بکارگیری دادههای کمکی در روشهای طبقهبندی پیکسلپایه و شئپایه حاکی از مفید بودن مدل رقومی ارتفاع در مقایسه با سایر دادههای کمکی در تفکیک تیپها داشت. استفاده از دادههای مربوط به فاکتورهای محیطی بعنوان متغیرهای کمکی در کنار دادههای طیفی در روش درخت تصمیم به صحت کلی 5/76 درصد و ضریب کاپای 7/0 در تفکیک تیپهای آمیخته جنگل منجرشد که نشان دهنده افزایش قابل ملاحظه صحت میباشد. مقایسه نتایج حاصل از روشهای طبقهبندی بکار گرفته شده در این تحقیق بیانگر پتانسیل بالای روش شئپایه در بکارگیری دادههای طیفی برای کلاسهبندی تیپهای آمیخته جنگل در مقایسه با روش طبقهبندی پیکسلپایه بود. همچنین تیپهای آمیخته جنگل با استفاده از دادههای کمکی در کنار دادههای طیفی با روش درخت تصمیم بهتر از روشهای پیکسلپایه و شئپایه در محدوده مطالعه تفکیک شد.
زهرا حجازی زاده، ابراهیم فتاحی، محمد سلیقه، فاطمه ارسلانی،
دوره 13، شماره 29 - ( 6-1392 )
چکیده
سیگنال های اقلیمی، الگوهای بزرگ مقیاسی از ناهنجاری های گردش و فشار هوا میباشد که در محدوده جغرافیایی وسیع گسترش یافته است. این سیگنال ها در توجیه رفتار اقلیم از اهمیت زیادی برخوردارند. در این پژوهش ارتباط بارش با سیگنال های اقلیمی(AO, NAO,SOI, ENSO) در ناحیه مرکزی ایران مورد بررسی قرار گرفته است. داده های سیگنال ها از پایگاه داده های NCEP استخراج گردید و مجموعه داده های بارش ماهانه نیز از مرکز خدمات ماشینی سازمان هواشناسی کشور دریافت شد. داده ها ماهانه طی دوره ی آماری 30 ساله، بین سال های 1978 تا 2008 بوده است. در نهایت با بکارگیری روش شبکه عصبی مصنوعی، مدل های شبیه سازی شده برای بازه های 0، 3 و 6 ماهه محاسبه شد و نتایج نشان داد از بین سیگنال های مورد مطالعه سیگنال ENSO در مناطقNINO1.2 و NINO3 بر بارش منطقه مورد مطالعه تاثیر معنی داری دارد و تاخیر 3 و 6 ماهه موجب قوی شدن ضریب همبستگی شاخص انسو در مناطق NINO1.2 و NINO3 با بارش ایستگاه های مورد مطالعه شده است. همچنین تاخیر 6 ماهه باعث منفی شدن ضریب همبستگی بین شاخص انسو در مناطق NINO1.2 و NINO3 است. مطابق با مدل های ارئه شده، سیگنال انسو در مناطق NINO1.2 و NINO3 می تواند به عنوان پیش بینی کننده بارش در کنار سایر پارامترهای تاثیر گذار مورد استفاده قرار گیرد و سایر سیگنال های اقلیمی مورد مطالعه تاثیر معنی داری بر بارش ایستگاه های مورد مطالعه ندارد.
مرتضی مهرعلی تبار فیروزجایی، حسن افراخته، اصغر عزیزی،
دوره 14، شماره 34 - ( 9-1393 )
چکیده
بررسی نقش سرمایه اجتماعی بر توسعه نواحی روستایی هدف اصلی این تحقیق بوده است. منطقه مورد مطالعه تحقیق دهستان چهاردانگه جزء استان البرز و از توابع شهرستان ساوجبلاغ بوده است. جامعه نمونه از طریق مدل کوکران و برابر 38 خانوار معین شده است. دادههای مورد نیاز تحقیق بر اساس مطالعه میدانی و برخی اسناد جمع آوری شده است. برای تعیین پایایی پرسشنامه از روش آلفای کرونباخ (75/0) و برای تعیین روایی از نظرات کارشناسان استفاده گردیده است. داده های جمع آوری شده از طریق آزمون های آماری نظیر آزمون تی، رگرسیون و مدل شبکه عصبی مورد تجزیه و تحلیل قرار گرفته است. نتایج تحقیق نشان میدهد که رابطه معناداری بین سطح سرمایه اجتماعی و توسعه روستایی وجود دارد که در آن مولفههای مشارکت، آگاهی و اعتماد عوامل تعیین کننده هستند. نتایج مدل شبکه عصبی نشان دهنده این است که متغیرهای مشارکت، اعتماد و آگاهی بیشترین تاثیر را در روند توسعه دارند، در حالی که نقش انسجام اجتماعی و شبکه اجتماعی محدودتر میباشد
آرش ملکیان، مه رو ده بزرگی، امیر هوشنگ احسانی،
دوره 15، شماره 36 - ( 3-1394 )
چکیده
خشکسالی یکی از مخرب ترین بلایای طبیعی در جوامع بشری محسوب می شود که می تواند تاثیرات جبران ناپذیر کشاورزی، زیست محیطی، اجتماعی و اقتصادی به همراه داشته باشد. بنابراین آگاهی از وقوع خشکسالی می تواند در کاهش خسارات موثر باشد. در این پژوهش، به منظور مدلسازی و شبیه سازی شدت خشکسالی در طول یک دوره آماری 37 ساله (1350- 1386) در 21 ایستگاه بارانسنجی واقع در ناحیه نیمه خشک سرد شمال غربی ایران از شبکه عصبی مصنوعی بهره گرفته شد. داده های ورودی به شبکه شامل میانگین بارش سالیانه و نیز شاخص دهک بارش سالیانه برای تمامی ایستگاه ها بوده که 80% داده ها برای آموزش شبکه (1350-1379) و20% باقیمانده برای تست و اعتبار سنجی شبکه (1380-1386) انتخاب گردید. سپس عمل پیش بینی خشکسالی توسط الگوریتم آموزش دیده شده توسط شبکه عصبی مصنوعی و بدون استفاده از داده های واقعی و مشاهداتی، برای سال های 1387 تا 1391صورت گرفت. معماری مطلوب شبکه به صورت مدل پرسپترون با سه لایه پنهان، الگوی پس انتشار خطا و تابع محرک سیگموئید به همراه 10 نرون در لایه میانی انتخاب گردید. نتایج حاصله نشان داد که شبکه عصبی مصنوعی به خوبی قادر به پیش بینی روابط غیر خطی بارش و خشکسالی بوده بطوریکه با همبستگی بیشتر از 97% و خطای کمتر از 5% مقادیر شاخص دهک بارش را پیش بینی نموده و نتایج حاصل از این پیش بینی بطور زیادی منطبق با مقادیر واقعی می باشد. از این رو با استفاده از این روش می توان وضعیت خشکسالی را در سال های آتی پیش بینی کرده و در مدیریت و بهره وری منابع آب و نیز مدیریت خشکسالی و تغییرات اقلیمی از این روش بهره جست.
طاهر رجایی، اکرم زینی وند، حمیده جعفری،
دوره 16، شماره 42 - ( 9-1395 )
چکیده
در این تحقیق پیشبینی تراز آب زیرزمینی حوضه آبریز شریفآباد استان قم با بهرهگیری از برخی مدلهای هوشمند میباشد. به این منظور از دادههای ماهیانه تراز آب زیرزمینی در سه حلقه چاه مشاهدهای واقع در حوضه آبریز شریفآباد در مدل سازیها استفاده شده است. جهت مقایسه نتایج حاصل از مدلهای هیبرید آنالیز موجک-شبکه عصبی (WNN)، برنامهریزی ژنتیک (GP)، رگرسیون خطی چند متغیره (MLR) و شبکه عصبی مصنوعی (ANN) از دو معیار ریشه خطای مربع متوسط (RMSE) و ضریب کارایی نش- ساتکلیف (E) استفاده شده است. نتایج تحقیق نشان داده است که مدل ترکیبی موجک-عصبی پیشبینی دقیقتری برای تراز آب زیرزمینی ماهانه نسبت به مدلهای ANN، GP و MLR ارائه داده، به طوریکه ضریب نش در مدل ترکیبی برای پیزومترهای 1، 2 و 3 به‌ترتیب 98/0، 98/0 و 95/0 حاصل شده است.
جواد سدیدی، هانی رضائیان، محمدرضا برشان،
دوره 17، شماره 47 - ( 10-1396 )
چکیده
بواسطه پیچیدگی عملکردی پدیده آلودگی هوا، از روشهای هوش مصنوعی بالاخص شبکه عصبی برای مدل سازی آلودگی هوا استفاده میشود. هدف از این پژوهش دو مدل شبکه عصبی بازگشتی Elman و Jordan در زمینه پراکنش خطا و اعتبارسنجی آنها، به منظور تخمین غلظت ذرات معلق موجود در اتمسفر در شهر اهواز میباشد. پارامترهای مورد استفاده شامل رطوبت، فشار هوا، دما و عمق نوری آئروسل میبوده که مقادیر آن از تصاویر ماهوارهای MODIS و دادههای ایستگاههای هواشناسی تهیه شده است. نتایج نشان میداد که مدل Jordan با مقدار RMSE معادل 9/219 میلی گرم بر متر مکعب نسبت به مدل Elman با مقدار RMSE معادل 5/228 دقت برازش بهتری داشته است. مدل Jordan به دلیل استفاده از حلقههای درونی سبب بهروز رسانی مقادیر زمینه شده و این امر موجب افزایش صحت مدل میشود. مقدار شاخص R2 ، که نماینده میزان رابطه خطی بین مقادیر پیشبینی شده با مقادیر واقعی است، برای مدل Jordan معادل 5/0 بدستآمده است که درصد تخمین صحیح 50 درصد دادهها را نشان میداد. در نهایت با استفاده ازدادههای مربوط به غلظت PM10 برای روز 162 که بالاترین میزان غلظت را داشت با روش درونیابی IDW نقشه توزیع مکانی آن تولید شد. با توجه به گران بودن ایستگاههای آلودگی سنجی پیشنهاد شد از منابع کمکی دیگر مانند اطلاعات داوطلبانه با استفاده از سنسورهای ارزان قیمت موبایل به عنوان ایستگاه کمکی متحرک و کم هزینه جهت افزایش تراکم و پراکنش مناسب ایستگاهها جهت مدلسازی دقیقتر آلودگی هوا استفاده شود.
فاطمه محمدیاری، حمیدرضا پورخباز، حسین اقدر، مرتضی توکلی،
دوره 18، شماره 50 - ( 3-1397 )
چکیده
تغییر کاربری زمین، یکی از مهمترین چالشهای برنامهریزی کاربری زمین است که در برابر برنامهریزان، تصمیمگیران و سیاست گذاران قرار دارد و تأثیر مستقیمی بر بسیاری از مسائل از قبیل رشد اقتصادی و کیفیت محیط دارد. مطالعه حاضر، روند تغییرات کاربری اراضی شهر بهبهان برای سالهای 1392 و 1406 با استفاده از LCM در محیط سامانه اطلاعات جغرافیایی را بررسی میکند. تجزیه و تحلیل و بارزسازی تغییرات کاربریها، به کمک دو دوره از تصاویر ماهواره لندست سالهای 1378 و 1392 انجام شد و نقشههای پوشش اراضی برای هر سال تهیه شد. مدلسازی پتانسیل انتقال، به کمک الگوریتم پرسپترون چندلایه شبکه عصبی مصنوعی با استفاده از شش متغیر مستقل صورت پذیرفت و میزان تخصیص تغییرات کاربریها به همدیگر، به روش زنجیره مارکف مورد محاسبه قرار گرفت. نتایج پیشبینی نشان داد بیشترین کاهش تغییرات شامل تخریب مراتع و بیشترین افزایش مساحت در کاربری کشاورزی میباشد. با توجه به نتایج جدولبندی افقی نقشه سال 1406 میتوان بیان کرد که از مجموع کل مساحت منطقه، 22/28336 هکتار از اراضی بدون تغییر و 78/33223 هکتار از اراضی تغییر کاربری دادهاند. همچنین روند تخریب مراتع و جنگل در طی این بازه زمانی میتواند زنگ خطری برای مدیران و برنامهریزان شهری و منابع طبیعی باشد.
مظفر محمدخانی، زینب کرکه آبادی، عباس ارغان،
دوره 20، شماره 59 - ( 11-1399 )
چکیده
شاکلهی تابآوری شهری را چهار بعد اجتماعی، اقتصادی، نهادی و کالبدی تشکیل میدهند در وضعیت مطلوب یک شهر تابآور دارای اجتماعی محلی توانمند با اقتصادی پویا و پایدار که از لحاظ نهادی و مدیریتی به شکل مشارکتی اداره شده و از برآیند این عوامل فوق کالبدی شهری شکل گرفته بصورت یک دست و منسجم جلوه کرده و در هیج نقطهای از آن پژمردگی مشاهده نمیشود. هدف از پژوهش حاضر سنجش تابآوری و پایداری شهر سمنان در مواجهه با مخاطرات طبیعی (زلزله) میباشد. روش تحقیق در این بررسی توصیفی- تحلیلی بوده که آمار و اطلاعات آن با استفاده از پرسشنامه به‌دست‌آمده است. جامعه آماری این پژوهش شهروندان ساکن در شهر سمنان بوده است که با استفاده از فرمول کوکران، نمونهای به حجم 384 نفر از بین آنها با روش نمونه‌گیری تصادفی انتخاب گردید. برای سنجش روایی (اعتبار)، با استفاده از روایی صوری، نظرات افراد مرتبط بررسی و پایایی آن با استفاده از آزمون کرونباخ در محیط نرم‌افزاری Spss معادل 863/. تعیین شد که گویای هماهنگی و پایایی بالای دادهها است. در تجزیه و تحلیل دادهها، از آزمون‌های آماری توصیفی و استنباطی در نرم افزار Spss استفاده شده است. در سطح آمار توصیفی، از میانگین گیری و درصد گیری؛ و در سطح آمار استنباطی، برای بررسی ارتباط میان متغیرها از ضریب همبستگی پیرسون و آزمون تیتک نمونهای و همچنین مدل شبکه عصبی بهرهگیری شده است. یافتههای تحقیق نشان داد که بعد اجتماعی - فرهنگی با میانگین رتبه 2.59 و کالبدی با میانگین رتبه 3.05 و بعد اقتصادی با میانگین رتبه 2.17 و در آخر بعد نهادی - سازمانی با میانگین رتبه 2.56وضعیت موجود ابعاد تاب آوری در شهر سمنان را نشان میدهند.
داریوش ابوالفتحی، عقیل مددی، صیاد اصغری،
دوره 22، شماره 66 - ( 7-1401 )
چکیده
رسوبات رودخانه ای به دو صورت منتقل میشوند: یا این مواد درون جریان آب غوطه ور هستند و همراه با آب در حرکت می باشند که به آنها مواد رسوبی معلق گفته میشود و میزان مواد رسوبی معلق را که در واحد زمان از یک مقطع رودخانه عبور کند، بار معلق مینامند. منطقه مورد مطالعه در این پژوهش حوضه آبریز رودخانه ونایی است. این منطقه در شهرستان بروجرد، در استان لرستان در غرب ایران واقع شده است، پژوهش حاضرازنوع کاربردی است. بدین صورت که، ابتدا مشخصات زیرحوضه های این رودخانه استخراج شده است این مشخصات شامل مشخصات فیزیکی زیرحوضه ها از جمله مساحت، محیط و طول آبراهه ها و مشخصات مربوط به دبی رودخانه و میزان رسوب آن است. در ادامه با روش های رگرسیون خطی چند متغیره، شبکه عصبی پیش خور چندلایه (MLP) به تخمین بار رسوب پرداخته شد. پس از محاسبه شاخص های RMSE و MAE با توجه به این امر که هرچقدر میزان این شاخص ها کمتر باشد مقدار پیش بینی شده به مقادیر واقعی نزدیکتر است بنابراین باتوجه به شواهد حاصله مدل شبکه عصبی مصنوعی MLP دقت بهتری را نسبت به مدل دیگر در تخمین میزان رسوب منطقه نشان میدهد. از سوی دیگر با توجه به مقدار شاخص R2 که برای دومدل محاسبه شده است دقت تخمین مدل به مقدار90.47 برای مدل MLP محاسبه شده است، مقدار R2 برای این مدل برابر 0.89 است. پس از مدل شبکه عصبی مصنوعی MLP. مدل رگرسیون خطی چند متغیره با مقدار R2 برابر با 0.353 قرار دارد. و این نشان دهنده ی دقت سه برابری مدل MLPنسبت به مدل رگرسیون می باشد مدل رگرسیون خطی نیز به علت این امر که تنها روابط خطی بین متغیر ها را در نظر میگیرد بیشترین میزان خطا را دارد.
علی هاشمی، حجت الله یزدان پناه، مهدی مومنی شهرکی،
دوره 24، شماره 75 - ( 12-1403 )
چکیده
متغیرهای اقلیمی مهم ترین عوامل تأثیرگذار بر تغییرات پوشش گیاهی محسوب می شوند. امروزه از تصاویر ماهواره ای به طور گسترده ای برای بررسی اثر نوسانات متغیرهای اقلیمی بر تغییرات پوشش گیاهی استفاده می گردد. هدف از پژوهش حاضر بررسی رابطه متغیر اقلیمی بارش، دما و رطوبت بر تغییرات شاخص¬های پوشش گیاهی باغات پرتقال حسن آباد داراب با استفاده از داده های ماهواره ای میباشد. بدین منظور دادههای مشاهداتی، شامل دادههای فنولوژی درخت پرتقال و دادههای هواشناسی در بازه زمانی ده‌ساله (1385 تا 1395) مربوط به ایستگاه هواشناسی کشاورزی حسن‌آباد داراب جمع‌آوری‌شده است. تصاویر سنجنده مودیس برای سال 1385 تا 1395 با توجه به دادههای زمینی و نقشههای 1:25000 سازمان نقشه‌برداری زمین مرجع شدند. این تصاویر برای محاسبه شاخصهای پوشش گیاهی سنجش‌ازدوری شامل شاخص تفاضلی نرمال شده پوشش گیاهی (NDVI)، شاخص وضعیت پوشش گیاهی (EVI) استفاده گردید. نتایج نشان داد که متغیرهای حداکثر رطوبت، حداقل دما و بارش دارای تأثیر مثبت معنی‌دار بر متغیر NDVI هستند. به‌علاوه متغیرهای حداکثر دما، حداقل رطوبت دارای تأثیر منفی معنی‌دار بر متغیر وابسته NDVI و EVI هستند. به‌منظور تعیین اهمیت هریک از متغیرهای مستقل در پیشبینی متغیرهای وابسته از روش شبکه عصبی مصنوعی استفاده شد. یافتهها نشان داد که عناصر اقلیمی بارش، حداقل دما، حداکثر دما، حداقل رطوبت و حداکثر با مقادیر به ترتیب (39/0، 3/0، 13/0، 1/0 و 06/0 ) بیشترین تأثیر را بر EVI دارند. به‌علاوه تاثیر این متغیرها بر شاخص NDVI به ترتیب ضرایب آنها (2/0، 28/0، 22/0، 11/0 و 17/0) میباشد.درنهایت به‌منظور افزایش قدرت توضیح دهندگی مدل از روش رگرسیون ARMAX استفاده شد. نتایج نشان داد استفاده از این روش منجر به افزایش قدرت توضیح دهندگی مدل، کاهش خطای پیشبینی می‌گردد.
