TY - JOUR ID - 120831 TI - تهیه نقشه قابلیت جاده‏سازی با استفاده از شبکه عصبی مصنوعی و GIS (بررسی موردی: منطقه ارسباران)‌ JO - پژوهش و توسعه جنگل JA - JFRD LA - fa SN - 2476-3551 AU - طالبی, منیژه AU - مجنونیان, باریس AU - عبدی, احسان AU - امید, محمود AD - دانشجوی دکتری مهندسی جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. AD - استاد، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. AD - دانشیار، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران. AD - استاد، گروه مهندسی مکانیک ماشین‌های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران. Y1 - 2020 PY - 2020 VL - 6 IS - 1 SP - 121 EP - 134 KW - شبکه جاده KW - شبکه عصبی پرسپترون چندلایه KW - فرایند تحلیل سلسله مراتبی KW - نقشه شایستگی DO - 10.30466/jfrd.2020.120831 N2 - هدف از این پژوهش ارائه روشی هوشمند مبتنی بر شبکه‌های عصبی مصنوعی برای مدل‌سازی قابلیت منطقه حفاظت‌شده ارسباران برای عبور جاده برای طراحی و اصلاح و توسعه مناسب شبکه جاده و راه‌های ارتباطی موجود در منطقه است. ابتدا با استفاده از فرایند تحلیل سلسله مراتبی (AHP) و روش ترکیب وزن‌دهی خطی (WLC) و به‌کارگیری لایه‌های اطلاعاتی مؤثر بر مسیریابی، نقشه شایستگی جاده‌سازی برای تهیه نمونه‌های آموزشی در محیط ArcGIS تهیه شد. در ادامه از شبکه پرسپترون چندلایه (MLP) برای برآورد مقدار مطلوبیت عبور جاده استفاده شد. برای ارزیابی عملکرد مدل شبکه عصبی نتایج به‌دست‌آمده با نتایج حاصل از رگرسیون خطی چندمتغیره مقایسه شدند. طبق نتایج به‌دست‌آمده، شبکه عصبی مصنوعی و روش آماری رگرسیون به‌ترتیب با ضریب تبیین (R2)، 908/0 و 901/0 و مجذور میانگین مربعات خطا (RMSE)، 0385/0 و 04/0 قابلیت لازم برای تعیین ارزش مطلوبیت عبور جاده نشان دادند و شبکه عصبی نتایج به‌نسبت بهتری در مقایسه با رگرسیون نشان داد. همچنین با توجه به نتایج آنالیز حساسیت متغیرهای ورودی، چهار معیار شیب، سنگ‌بستر، حساسیت به فرسایش و بافت خاک به‌ترتیب بیشترین تأثیر را در برآورد مدل نشان دادند. UR - https://jfrd.urmia.ac.ir/article_120831.html L1 - https://jfrd.urmia.ac.ir/article_120831_81baa189af1316daf85e375d0b47ddb1.pdf ER -