نوع مقاله : علمی - پژوهشی
نویسندگان
1
دانشجوی دکتری مهندسی جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.
2
استاد، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.
3
دانشیار، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.
4
استاد، گروه مهندسی مکانیک ماشینهای کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران.
چکیده
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.
کلیدواژه‌ها
عنوان مقاله [English]
Preparing of capability map for road construction using artificial neural network and GIS (case study: Arasbaran area)
نویسندگان [English]
-
Manije Talebi
1
-
Baris Majnounian
2
-
Ehsan Abdi
3
-
Mahmoud Omid
4
1
PhD student of Forest Engineering, Faculty of Natural Resources, University of Tehran, Karaj, I. R. Iran.
2
Professor, Department of Forestry and forest Economics, Faculty of Natural Resources, University of Tehran, Karaj, I. R. Iran.
3
Associate Prof., Department of Forestry and forest Economics, Faculty of Natural Resources, University of Tehran, Karaj, I. R. Iran.
4
Professor, Department of Mechanical Engineering Agricultural Machinery, Faculty of Agricultural Engineering and Technology, University of Tehran, Karaj, I. R. Iran.
چکیده [English]
The aim of the study was to provide an intelligent artificial neural networks-based method for modeling the capability of Arasbaran protected area for road crossing, in order to design, modify, and appropriate development of existing road network and communication routs in the region. First, using Analytical Hierarchy Process (AHP) and Weighted Linear Combination (WLC) method, and utilization the effective informative layers on routing, the suitability map of road construction was prepared to provide training samples in ArcGIS. In the following, Multilayer Perceptron (MLP) network was used to estimate the suitability value of road crossing. In order to evaluate the neural network’s model performance, the results were compared with the results of multivariate linear regression. According to the results, artificial neural network and statistical method of regression were shown to be useful in determining the suitability value of road crossing with coefficient of determination (R2) 0.908 and 0.901, root mean squared error (RMSE) 0.0385 and 0.04, respectively. Neural network results were relatively better than regression. Also, according to the results of sensitivity analysis of input variables, four criteria of slope, bedrock, erosion susceptibility, and soil texture showed the highest influence in estimating the model, respectively.
کلیدواژه‌ها [English]
-
Analytical hierarchy process
-
Multilayer perceptron neural network
-
Road network
-
Suitability map
)