مقایسه کارایی شبکه عصبی مصنوعی و رگرسیون در پیش‌بینی زمان چوبکشی اسکیدر چرخ زنجیری زتور و تراکتور کشاورزی

الموضوعات :

نجیبه گیلانی پور ¹ ( دانشجوی دکتری علوم جنگل، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، تهران، ایران. )
اکبر نجفی ² ( دانشیار گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس، تهران، ایران. )
حمید آریا ³ ( کارشناسی‌ارشد جنگلداری، دانشکده علوم کشاورزی و منابع طبیعی، دانشگاه گرگان، گرگان، ایران. )

تاريخ الإرسال : 23 الثلاثاء , ذو القعدة, 1441 تاريخ التأكيد : 13 الثلاثاء , جمادى الثانية, 1442 تاريخ الإصدار : 03 السبت , محرم, 1442

الکلمات المفتاحية: مدل‎سازی, اسکیدر چرخ زنجیری, تحلیل حساسیت, تراکتور کشاورزی, عملکرد ماشین, عملیات چوبکشی,

ملخص المقالة :

داشتن اطلاعات دقیق درباره بازدهی ماشین‌ آلات چوبکشی به‌منظور کاهش هزینه‌ های حمل‌ونقل با استفاده از مدل های آماری نوین در مطالعه ‌های مهندسی جنگل بسیار با ارزش است.در این مطالعه مدل ‌سازی پیش ‌بینی زمان چوبکشی اسکیدر چرخ زنجیری زتور و تراکتور کشاورزی با استفاده از شبکه عصبی مصنوعی و مدل رگرسیون خطی چندگانه انجام شد، سپس کارآیی مدل‌ ها با هم مقایسه گردید. فاصله چوبکشی، شیب مسیر چوبکشی، حجم و تعداد گرده ‌بینه در هر نوبت چوبکشی به عنوان متغیرهای مستقل (متغیر ورودی) و زمان هر نوبت چوبکشی به عنوان متغیر وابسته (متغیر پاسخ) وارد مدل شدند. نتایج نشان داد که در پیش‌بینی زمان چوبکشی اسکیدر چرخ زنجیری زتور میزان ضریب تبیین شبکه عصبی MLP و مدل رگرسیون به ترتیب 78/0 و 55/0 و میزان خطای مدل‌ ها به ترتیب 19/0 و 42/0 می‌ باشد. همچنین در سیستم چوبکشی تراکتور کشاورزی میزان ضریب تبیین شبکه عصبی MLP و مدل رگرسیون به ترتیب 70/0 و 62/0 و میزان خطای مدل‌ ها به ترتیب 18/0 و 28/0 می ‌باشد. بنابراین در هر دو سیستم چوبکشی شبکه عصبی MLP در پیش‌بینی زمان چوبکشی نسبت به مدل رگرسیون خطی چندگانه کارآیی بیشتری دارد. تحلیل حساسیت شبکه عصبی مصنوعی و رگرسیون نشان داد که در اسکیدر چرخ زنجیری زتور فاصله چوبکشی و در تراکتور کشاورزی شیب مسیر چوبکشی بیشترین اهمیت را دارند.