مقاله ارزیابی روش شبک? عصبی مصنوعی در پهنهبندی مکانی پتانسیل رویشگاه گونهها (مطالع? موردی: مراتع سیاه بیشه، مازندران)
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله ارزیابی روش شبک? عصبی مصنوعی در پهنهبندی مکانی پتانسیل رویشگاه گونهها (مطالع? موردی: مراتع سیاه بیشه، مازندران) دارای ۲۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله ارزیابی روش شبک? عصبی مصنوعی در پهنهبندی مکانی پتانسیل رویشگاه گونهها (مطالع? موردی: مراتع سیاه بیشه، 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 ارزیابی روش شبک? عصبی مصنوعی در پهنهبندی مکانی پتانسیل رویشگاه گونهها (مطالع? موردی: مراتع سیاه بیشه، مازندران)،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله ارزیابی روش شبک? عصبی مصنوعی در پهنهبندی مکانی پتانسیل رویشگاه گونهها (مطالع? موردی: مراتع سیاه بیشه، مازندران) :
تعداد صفحات :۲۶
هدف از تحقیق حاضر، پیشبینی پراکنش مکانی گونههای Festuca Ovina و Bromus briziformis در مراتع سیاه بیشه با استفاده از روش شبکعصبی مصنوعی است. نمونهبرداری از پوشش گیاهی به روش طبقهبندی تصادفی در ۲۹ واحد همگن انجام شد. ۲۹۰ پلات ۱ مترمربعی در منطقه مستقر و درصد پوشش تاجی گیاهان ثبت گردید. در هر واحد، ۳ نمونه خاک از عمق ۳۰-۰ برداشت شد. در این مطالعه، دادههای محیطی ۲۰ عامل (شیب، جهت شیب، ارتفاع از سطح دریا، فاصله از جاده، فاصله از رودخانه، فاصله از دامداری، همباران، سنگ شناسی، سیلت، رس، شن، رطوبت، کربن، مادآلی، اسیدیته خاک، هدایت الکتریکی، آهک، ازت، فسفر و پتاسیم) به عنوان متغیر مستقل و دادههای مربوط به حضور گونههای گیاهی Festuca Ovina و Bromus briziformis به عنوان متغیر وابسته استفاده گردید. لایههای اطلاعاتی هر کدام از این عوامل در نرم افزار Arc GIS تهیه و با استفاده از روش نسبت فراوانی هر کدام از این عوامل کلاسهبندی شدند. نتایج حاصله نشان داد که مهمترین متغیرهای محیطی اثرگذار در پراکنش گونههای مطالعه شده، خصوصیات ارتفاع، بافت خاک و عناصر غذایی بودند.سپس به ترتیب ۷۰ و ۳۰ درصد دادهها جهت آموزش و آزمون شبکه استفاده شد. در این تحقیق ساختار شبکعصبی مصنوعی با ساختار ۲۰ نرون در لای ورودی و لای پنهان و یک نرون در لای خروجی، مقایر MSE برای فستوکا ۷۵/۰و بروموس ۷۲/۰ محاسبه شد. سپس نقشههای پهنهبندی گونههای گیاهی با ۴ پهن عدم حضور، حضورکم، متوسط و زیاد تهیه شد. نقش پهنهبندی حاصل با منحنی ROC و ضریب کاپا ارزیابی شدند که صحت آنها با روش منحنی ROC برابر ۱۰/۹۷، ۱۰/۸۴ درصد و با ضریب کاپا برابر ۷۸/۰ و ۶۶/۰ به ترتیب برای گون Festuca ovina، و گون Bromus briziformis بودند که نشان دهنده ارزیابی خوب مدل است.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.