جستجو در مقالات منتشر شده


3 نتیجه برای شبکه عصبی

علی جهانی،
دوره 6، شماره 2 - ( 6-1398 )
چکیده

هدف از این پژوهش مدل­سازی تغییرات مکانی تراکم پوشش گیاهی زیرآشکوب جنگل با توجه به ساختار اکوسیستم جنگل و فعالیت­های طرح جنگلداری به عنوان یک مخاطره زیست محیطی می­باشد. واحدهای همگن محیط زیستی با استفاده از منابع اکولوژیکی و سیستم اطلاعات جغرافیایی، تهیه گردید. در این تحقیق به کمک شبکه­های عصبی مصنـوعی، تراکم پوشش گیاهی زیرآشکوب جنگل بر اساس متغیرهای اکولوژیکی و انسانی شبیه­سازی شد. شبکه پرسپترون چندلایه با یک لایه پنهان و 4 نرون در هر یک از لایه­های مخفی و آرایش نهایی 1-4-23، با توجه به بیشترین مقدار ضریب تبیین آزمون شبکه (معادل 8576/0) و کمترین مقدار میانگین مربعات خطا و میانگین خطای مطلق (به ترتیب معادل 866/0 و 736/0)، بهترین عملکرد بهینه­سازی توپولوژی را نشان می­دهد. بر اساس نتایج آنالیز حساسیت، عوامل اکولوژیکی و انسانی شامل تراکم تاج پوشش توده، تراکم دام در جنگل، شدت فرسایش خاک و شدت کوبیدگی آن به ترتیب بیشترین تاثیر را در تغییرات پوشش گیاهی زیرآشکوب جنگل از خود نشان دادند. نتایج حاصله در این تحقیق در چهارچوب روش تجزیه و تحلیل سیستمی منجر به مدل­سازی پوشش گیاهی زیرآشکوب جنگل در ارزیابی مخاطرات محیط زیستی طرح­های جنگلداری و طراحی سامانه پشتیبان تصمیم­گیری شده است که می‌تواند راه­گشای تصمیم‌گیری در مورد ساختار طرح و اجرای پروژه‌های مشابه در مکان‌های مشابه باشد.


اسداله حجازی، محمدحسین رضایی مقدم، عدنان ناصری،
دوره 8، شماره 2 - ( 6-1400 )
چکیده

هدف از این پژوهش انتخاب بهترین مدل و شناسایی پهنه های خطر زمین لغزش در حوضه های پایین دست سد سنندج است. منطقه مورد مطالعه به مساحت 7/970 کیلومتر مربع در پایین دست سد سنندج قرار دارد و بر روی زون ساختاری سنندج - سیرجان واقع شده است. در این مطالعه از 9 عامل موثر بر زمین لغزش، شامل شیب، جهت شیب، فاصله از گسل، فاصله از جاده، فاصله از آبراهه، لیتولوژی، کاربری اراضی و بارش استفاده شد. با استفاده از تصاویر ماهواره ای Landsat 8 ETM  ، تعداد ۲۳۷ نقطه لغزشی مشخص گردید. سپس نقشه پراکنش زمین لغزشهای منطقه تهیه شد. همچنین 89 نقطه غیرلغزشی،  به منظور استفاده در مراحل آموزش و آزمایش شبکه عصبی پرسپترون در داخل شیبهای کمتر از 5 درجه مشخص شدند.
در مدل شبکه عصبی مصنوعی لایه ی میانی به صورت پیش فرض نرم افزار انتخاب شد. از 70 درصد زمین لغزشهای رخداده، جهت آموزش شبکه عصبی و از 30 درصد مابقی به عنوان داده های زمین مرجع جهت آزمایش و کالیبره کردن مدل استفاده شد. داده ها با استفاده از یک شبکه پرسپترون چندلایه با الگوریتم یادگیری آدام آموزش دیدند. ساختار نهایی شبکه دارای 9 نرون در لایه ورودی، 30 نرون در لایه میانی و 1 نرون در لایه خروجی است. در مدل AHP پس از محاسبه ی وزن نهایی زیرمعیارها، وزن های محاسبه شده را به جدول توصیفی لایه های اطلاعاتی عوامل موثر اضافه نموده و در نهایت نقشه ی پهنه بندی خطر زمین لغزش در منطقه بدست آمد.
 پس از آماده سازی مدلها، منطقه ی مورد مطالعه با 9 متغیر ورودی تحلیل شد. نتایج تحلیل به صورت نقشه ای با پنج طبقه خطر زمین لغزش برای هر مدل ترسیم گردید. از 5 روش محاسبه میزان خطا جهت صحت سنجی مدلها استفاده شد. بر اساس مدل شبکه عصبی، حدود 31 درصد  و مدل AHP ۳۵ درصد از منطقه در محدوده مناطق مطلوب جهت فعالیتهای انسانی قرار دارد.  همچنین  بر اساس مدل شبکه عصبی حدود 39 درصد و مدل AHP ۳۳ درصد از منطقه در محدوده مناطق نامطلوب و بسیار نامطلوب قرار گرفته اند. مناطق مخاطره آمیز عمدتا در غرب و جنوب غرب حوزه واقع شده اند. مقایسه نتایج صحت سنجی نشان می دهد که مدل شبکه عصبی پرسپترون دارای دقت بهتری نسبت به مدل تحلیل سلسله مراتبی است. بر اساس روش AHP پارامترهای شیب، لیتولوژی و کاربری اراضی بیشترین نقش را در وقوع زمین لغزش منطقه دارند.
زهرا مصفایی، علی جهانی، محمدعلی زارع چاهوکی، حمید گشتاسب میگونی، وحید اعتماد،
دوره 8، شماره 3 - ( 9-1400 )
چکیده

شناسایی کامل مخاطرات و اولویت‌بندی آن‌ها در جهت عدم آسیب به طبیعت از اولین گام‌های مدیریت منابع طبیعی می‌باشد. لذا معرفی یک سیستم جامع قابل ارزیابی، درک و ارزشیابی، درجهت کنترل مخاطرات ضروری می‌باشد این پژوهش با هدف مدلسازی و پیش‌بینی میزان مخاطرات محیطی به دنبال افزایش تخریب در محیط‌های طبیعی به کمک شبکه عصبی مصنوعی (ANN) انجام گرفت. به این ترتیب تعداد 600 نمونه خاک و پوشش گیاهی در واحدهای همگن اکولوژیک برداشت شد. نمونه‌های خاک با روش ترانسکت نواری به توجه به عمق خاک و در چهار پروفیل (cm5،10،15،20) تهیه شد. نمونه های گیاهی نیز با روش سطح حداقل و با استفاده از پلات‌های مربع 2 2 با توجه به نوع، تراکم و پراکنش پوشش گیاهی برداشت شد. نمونه‌برداری در دو زون امن و سایر استفاده‌ها مدل‌سازی با کمک ANN در محیط متلب انجام شد. مدل بهینه پرسپترون چندلایه با دو لایه پنهان، تابع تانژانت سیگموئید و 19 نورون در هر لایه و ضریب تبیین 90/0 انتخاب شد. نتایج آنالیز حساسیت نشان داد، رطوبت وزنی خاک در شدت کاهش تنوع زیستی و ریسک سیل و همچنین افزایش ریسک انقراض گونه‌های اندمیک منطقه اثرگذار خواهد بود، و پس از آن وزن مخصوص ظاهری و حقیقی و تخلخل خاک و فاصله از جاده نقش کلیدی در تخریب پوشش گیاهی، افزایش سیل و افزایش ریسک انقراض پوشش گیاهی را دارند. لذا پیشنهاد می‌شود اقدامات مرتبط با احیای خاک و پوشش گیاهی در این پارک به منظور کاهش تخریب‌های آتی هرچه سریعتر انجام شود.

صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به سامانه نشریات علمی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 CC BY-NC 4.0 | Journal of Spatial Analysis Environmental hazarts

Designed & Developed by : Yektaweb