مقایسه کاربردشبکه عصبی مصنوعی و معادلات آلومتریک در رابطه با مدل‌سازی زی‌توده تنه درختان افراپلت (Acer velutinum Boiss.) در جنگل‌های هیرکانی

Abstract

تخمین زی‌توده درختان جنگل با حداقل عدم قطعیت علاوه بر مدیریت بر اساس اصل توسعه پایدار، مبنای مبرم در رابطه با نیاز روز افزون جوامع بین‌المللی برای آگاهی از میزان ترسیب کربن به‌منظور رویارویی با بحران گرمایش زمین می‌باشد. از این‌رو مدل‌سازی زی‌توده تنه پلت با استفاده از معادلات آلومتریک و شبکه عصبی مصنوعی در مطالعه موردی جنگل ساسون‌سی چمستان نور صورت گرفت تا حداکثر قطعیت برای پیش‌بینی زی‌توده مورد مطالعه حاصل شود. برای انجام تحقیق حاضر، پس از قطع 20 پایه از طبقات قطری مختلف درختان، از هر بخش استحصال شده تنه پس از توزین، یک دیسک برداشت شده و با تکه برداری ثابت از هر دیسک، نمونه‌ها در دمای 105 درجه سانتی‌گراد به مدت 24 ساعت در آون خشک شدند. برای مدل‌سازی، مدل توانی به عنوان مدل پایه آلومتریک و تابع Log-sigmoid و Tan-sigmoid به عنوان توابع انتقالی نورون‌ها در توپولوژیهای مختلف شبکه عصبی چند لایه FFBP معرفی شدند. نتایج مدل‌سازی نشان داد که مدل نمایی چندگانه حاوی قطر و ارتفاع با ضریب تصحیح 04/1 =CF به عنوان مدل آلومتریک بهینه محسوب می‌شود (23/0 = S). با توجه به اینکه علاوه بر میانگین انحراف معیار، حداقل میانگین مربعات خطای آزمون داده‌های هر مدل در ارتباط با آموزش و اعتبار داده‌ها در تعداد چرخشهای مختلف مبنای اساسی انتخاب مدل در شبکه عصبی محسوب می‌شود، مدل حاوی لایه‌های ورودی قطر و ارتفاع با توپولوژی دو لایه و 10 نورون لایه پنهان با تابع انتقالی Tansig دارای حداکثر قطعیت برآورد زی‌توده تنه پلت (1/0 = S) در منطقه مورد مطالعه می‌باشد.