فهرس المقالات مدل چندلایه پرسپترون

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - مدل‌سازی جنگل‌زدایی با شبکه عصبی و سیستم اطلاعات جغرافیایی (جنگل‌های اطراف خرم‌آباد)
  حسن محمودزاده مجید عزیزمرادی
  در این تحقیق، با استفاده از تصاویر TM و OLI لندست تغییرات روی‌داده در جنگل‌های اطراف شهر خرم‌آباد بین سال‌های 1365 تا 1397 موردبررسی قرار گرفت. بدین منظور پس از انجام تصحیحات هندسی و اتمسفری، تصاویر با استفاده از الگوریتم حداکثر احتمال در پنج کلاس با دقت کلی 95 درصد و ض أکثر

  در این تحقیق، با استفاده از تصاویر TM و OLI لندست تغییرات روی‌داده در جنگل‌های اطراف شهر خرم‌آباد بین سال‌های 1365 تا 1397 موردبررسی قرار گرفت. بدین منظور پس از انجام تصحیحات هندسی و اتمسفری، تصاویر با استفاده از الگوریتم حداکثر احتمال در پنج کلاس با دقت کلی 95 درصد و ضریب کاپا 0.94 طبقه‌بندی شدند. با روی هم‌گذاری تصاویر مقدار جنگل‌های از بین رفته (34 کیلومترمربع) مشخص و به‌عنوان متغیر وابسته برای ورود به شبکه عصبی پرسپترون چندلایه آماده شد. در محیط GIS عوامل مؤثر در روند جنگل‌زدایی (متغیرهای مستقل) آماده شد و سپس با استفاده از پرسپترون چندلایه روند جنگل‌زدایی بین سال‌های موردمطالعه مشخص شد. با مدل ‌ساز تغییرات زمین، تغییرات کاربری اراضی استخراج شد که بیشترین تغییر، جنگل به اراضی بایر است و درنهایت پیش‌بینی جنگل‌زدایی برای 10، 20 و 30 سال آینده صورت گرفت، که نشان‌دهنده کاهش %4.6 برای سال 1407، %7.7 برای سال 1417 و %9.3 برای سال 1427 بود. نتایج حاصله از آزمون شبکه با مشارکت همه متغیرها با توجه به میانگین مربعات خطا با مقدار 0.13 نشان‌دهنده این است که مدل‌سازی حاصل از پرسپترون چندلایه دارای صحت مناسبی بوده و همچنین با استفاده از منحنی مشخصه عملکرد ROC سیستم مقدار واقعی جنگل‌زدایی در مقابل نتیجه حاصل از مدل پرسپترون چندلایه قرار گرفت، که با مقدار سطح زیر منحنی مشخصه عملکرد سیستم برابر با 0.88 نشان‌دهنده صحت بالای مدل پرسپترون چندلایه بود. تفاصيل المقالة