مقاله کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل-های باغان مریوان
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل-های باغان مریوان دارای ۲۵ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل-های باغان مریوان 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 کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل-های باغان مریوان،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله کاربرد مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه در برآورد تراکم جنگل در جنگل-های باغان مریوان :
تعداد صفحات :۲۵
مطالعه و مدلسازی ویژگیهای کمی جنگل بهمنظور هدایت اکوسیستم بهسوی اهداف ایدهآل و اجرای اقدامات حفاظتی و احیایی از اقدامات مهم به شمار میآید. در پژوهش پیشرو برآورد مشخصههای تعداد در هکتار درختان و تاجپوشش جنگل که معرف تراکم در اکوسیستم طبیعی جنگل میباشند، با استفاده از مدل رگرسیون خطی چندگانه و مدل شبکه عصبی مصنوعی، به کمک دادههای توپوگرافی، خاکشناسی، اقلیمی و استفاده از دادههای سنجشازدوری در بخشی از جنگلهای باغان مریوان انجام شد. ویژگیهای پستیوبلندی از روی مدل رقومی ارتفاع محاسبه شد. استخراج عاملهای اقلیمی و ویژگیهای خاکشناسی با استفاده از نقشههای اقلیمی و دادههای مربوط به تجزیه نمونههای خاک انجام شد. بهمنظور بهرهگیری از اطلاعات تصاویر ماهوارهای از تصاویر لندست ۵ و شاخص NDVI استفاده شد. تعداد در هکتار درختان و تاجپوشش جنگل با استفاده از ۸۹ قطعهنمونه ۱/۰ هکتاری بهصورت تصادفی برداشت شد. درنهایت مدل رگرسیون خطی چندگانه و شبکه عصبی مصنوعی بین این ویژگیها و متغیرهای تاجپوشش و تعداد در هکتار درختان طراحی و سپس اعتبارسنجی شدند. نتایج نشاندهنده دقت بیشتر شبکه عصبی مصنوعی در برآورد تاجپوشش (۹۲/0R2= ، ۲۰/۱۰%RMSE=) و تعداد در هکتار درختان (۸۴/0R2= ، ۳۲/۱۱ % RMSE=) در مقایسه با مدل رگرسیون خطی چندگانه (به ترتیب به میزان ۸۱/0R2= ، ۰۲/۱۵ % RMSE= و ۶۸/0R2= ، ۵۲/۱۶ % RMSE=) بود. نتایج کلی پژوهش حاضر نشان از پتانسیل استفاده از دادههای توپوگرافی، خاکشناسی، اقلیمی و اطلاعات دورسنجی در برآورد تراکم جنگل مورد مطالعه بود که در این راستا مدلسازی شبکه عصبی مصنوعی نسبت به تحلیل رگرسیون خطی چندگانه دارای دقت برآورد بیشتری بود.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.