دانش رسان |
مرکز علم و دانش کشور مقاله مقایسه الگوریتم‌های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدل‌سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله مقایسه الگوریتم‌های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدل‌سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله مقایسه الگوریتم‌های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدل‌سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مقایسه الگوریتم‌های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدل‌سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله مقایسه الگوریتم‌های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدل‌سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران :
تعداد صفحات :۱۷
تغییرات پوشش سرزمین و توسعه شهرها سبب تخریب زیستگاه‌های طبیعی و کاهش تنوع زیستی شده است. یکی از روش‌های مورد استفاده برنامه‌‌ریزان جهت کنترل روند تغییرات پوشش سرزمین و کاربری اراضی، مدل‌سازی می‌باشد. این مطالعه، با هدف مقایسه رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی جهت مدل‌سازی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران انجام شد. جهت تحلیل تغییرات منطقه از تصاویر ماهواره Landsat متعلق به سال‌های ۱۳۶۷، ۱۳۷۹، ۱۳۸۵ و ۱۳۹۰، مورد استفاده قرار گرفت. همچنین، مدل‌سازی پتانسیل انتقال با استفاده از رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی انجام پذیرفت. جهت پیش‌بینی تغییر پوشش سرزمین سال ۱۳۹۰، از دوره واسنجی ۱۳۸۵-۱۳۷۹ با استفاده از زنجیره مارکف و مدل پیش‌بینی سخت استفاده شد. صحت مدل‌سازی نیز با استفاده از ضریب کاپا ارزیابی شد. نتایج حاصل از ضرایب کاپا نشان داد که اگرچه رگرسیون لجستیک (۸۴۵۶/۰) دقت بالاتری نسبت به پرسپترون چندلایه شبکه عصبی مصنوعی (۸۲۷۶/۰) دارد، خطی کردن متغیرها، تأثیر زیادی در افزایش صحت مدل در منطقه مورد مطالعه نداشته است.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
