کاربرد شبکه عصبی مصنوعی در برآورد حجم تنه درختان


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
3 بازدید
۹۷,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 کاربرد شبکه عصبی مصنوعی در برآورد حجم تنه درختان دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد کاربرد شبکه عصبی مصنوعی در برآورد حجم تنه درختان  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 کاربرد شبکه عصبی مصنوعی در برآورد حجم تنه درختان،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن کاربرد شبکه عصبی مصنوعی در برآورد حجم تنه درختان :

نام کنفرانس، همایش یا نشریه : تحقیقات منابع طبیعی تجدید شونده

تعداد صفحات :۱۰

برآورد حجم درخت یکی از بخش های مهم پیش بینی رشد و محصول دهی جنگل می باشد. تاکنون روابط زیادی مانند: نیوتن، اسمالین، پرسلر و هوبر به منظور برآورد حجم درخت مورد استفاده قرار گرفته اند که تمامی این روابط نیازمند اندازه گیری قطر در ارتفاع های خاصی بوده که این امر با پیچیدگی های خاصی خصوصا در ارتفاع های بالای سطح زمین رو به روست. در این پژوهش سعی شده است تا از تکنولوژی جدید هوش مصنوعی و یکی از زیرمجموعه های آن تحت عنوان شبکه عصبی مصنوعی به عنوان روشی جدید و به علت عدم وابستگی به فرض های اولیه درباره داده ها به منظور برآورد حجم صنعتی تنه تعداد ۱۰۱ درخت از درختان نشانه گذاری شده جنگل آموزشی پژوهشی دانشگاه تربیت مدرس، استفاده گردد. به این منظور قطر برابر سینه، قطر در ارتفاع کنده، قطر انتهای تنه، ارتفاع تنه و ارتفاع کل درخت با دقت بالا مورد اندازه گیری قرار گرفتند. از دو مدل شبکه عصبی، پرسپترون چند لایه (MLP) و تابع پایه شعاعی (RBF)، به منظور پیش بینی حجم تنه استفاده گردید. نتایج نشان داد که شبکه عصبی تابع پایه شعاعی نسبت به شبکه عصبی پرسپترون چند لایه دارای دقت بیشتری در برآورد حجم تنه می باشد. مقایسه معیارهای ارزیابی شبکه های عصبی نشان داد که شبکه عصبی MLP و RBF به ترتیب دارای مقدار ۱.۱۸ RMSE و ۱.۰۸ می باشند.

کلید واژه: حجم درخت، هوش مصنوعی، بهره برداری جنگل، پرسپترون چند لایه، تابع پایه شعاعی

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.