ندا کفاش چرندابی، علی اصغر آل شیخ:، محمد کریمی،
دوره 13، شماره 28 - ( 3-1392 )
چکیده
توسعهی روزافزون فناوریهای کامپیوتری و تئوریهای تصمیمگیری منجر به طراحی مدلهای نوین در حیطهی مسائل تصمیمگیری چندمعیاره شده است. روشهای فرارتبهای نمونهای از این مدلها میباشند که با الگوریتمی ساده، بدون نیاز به اطلاعات بیش از اندازه از سوی کارشناس به مدلسازی دقیقتر مسائل تصمیمگیری میپردازند. لیکن روشهای مذکور به تنهایی قادر به تحلیل مسائل چندمعیاره مکانی نمیباشند. ادغام روشهای فرارتبهای با سیستم اطلاعات مکانی (GIS) پیشنهادی است که برای تحلیل بهتر و کارامد مسائل مکانی ارائه شده است. در این تحقیق کارایی روشهای مذکور برای مدلسازی میزان آسیبپذیری ناشی از بیماری مالاریا، مهمترین بیماری انگلی جهان و ایران، مورد بررسی قرار گرفت. بدین صورت که نقشههای پیوستهی آسیبپذیری برای استان هرمزگان، به کمک روشهای ELECTRE III و PROMETHEE II با معیارهای ارزیابی دما، رطوبت، فاصله از پوشش گیاهی، فاصله از آبهای راکد، تراکم جمعیت و ارتفاع تهیه گردیدند. سپس دقت نقشههای ترسیم شده به کمک شاخص Prevalence و موارد مثبت مالاریا در سال 85 و 86 مورد ارزیابی قرار گرفت. یافتههای این تحقیق نشان میدهد که نقشههای آسیبپذیری تولید شده به کمک روشهای ELECTRE و PROMETHEE به دادههای واقعی نزدیکتر هستند و نسبت به روشهای متداول نظیر مجموع وزندار ساده (SAW) در حدود 30 درصد دارای دقت بالاتری میباشند.
سمیه مهرآبادی،
دوره 21، شماره 60 - ( 1-1400 )
چکیده
روشهای کلاسیک یا روشهای سخت بر دقیق بودن محاسبات، پایهگذاری شدهاند درحالیکه دنیای واقعی بر نادقیق بودن مرزها و عدم قطعیتها استوار است که بیشتر با روشهای محاسبات نرم مطابقت دارد، که این روشها نیز به تنهایی نقاط ضعف و قوتی دارند و برای رفع آنها تئوری پیوندزنی مطرح شد که با عنوان سیستمهای ترکیبی هوشمند شناخته میشوند. در این تئوری دو یا چند روش هوشمند با یکدیگر ترکیب میشود تا کاستیها و نواقص روشهای منفرد رفع یا تعدیل گردد. در این مطالعه، تخریب جنگل با استفاده از شبکه عصبی پرسپترون و روش ترکیبی عصبی-فازی مدلسازی شدهاست. برای اینکار از تصاویر سنسور TM ماهواره لندست 5 سال 1999 و سنسور OLI متعلق به لندست 8 برای سال 2017 استفاده شد. از مناطق جنگلی تخریب شده و جنگل بدون تخریب در 200 نقطه نمونهبرداری شد. سپس 7 فاکتور تخریب جنگل شامل: فاصله ازعوارضی همچون (شهر-رودخانه-روستا-دریا-جاده)، ارتفاع و شیب برای 200 نقطه محاسبه شد. برای ارزیابی عملکرد مدلها از میانگین مربعات خطای استفاده شد که برای شبکه پرسپترون با سه الگوریتمLevenberg-Marquardt, Bayesian Regularization, Scaled Conjugate Gradient به ترتیب 50.053، 40.070 و 80.090 بدستآمد. MSE برای مدل عصبی-فازی با الگوریتم بهینهسازی و روش ترکیبی به ترتیب 00.019 و 0.0102 محاسبه شد. تحلیل نتایج حاکی از عملکرد مطلوب مدل نروفازی در کاهش خطا و افزایش تعمیمپذیری میباشد. مدل نروفازی با تکیه بر قاعده عدم قطعیت شرایطی را ایجاد کرده که به واقعیت شباهت بیشتری داشته و نسبت به مدل پرسپترون در انتخاب دادهی مناسب موفقتر بودهاست.