مدل‌سازی خطر سقوط درختان خطرآفرین با کاربرد شبکه عصبی مصنوعی و رگرسیون لجستیک در فضای سبز شهری

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مهندسی طبیعت دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد

2 دانشجوی کارشناسی ارشد جنگلداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد

3 گروه علوم جنگل، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد

چکیده

درختان فضای سبز شهری به‌رغم ارائه طیف وسیعی از منافع زیست‌محیطی، زیباشناختی، اجتماعی، فیزیولوژیکی و اقتصادی می‌توانند باعث خطرات جانی و مالی برای شهروندان شوند. اهداف این تحقیق برآورد احتمال خطر سقوط درختان نارون و مدل‌سازی آن از طریق شبکه عصبی و رگرسیون لجستیک است، بدین‌ترتیب 129 اصله درخت نارون در خیابان شریعتی شهرکرد بررسی شدند. برای این منظور، متغیرهای قطر و ارتفاع درخت، شاخه و سرشاخه‌های خشکیده، شکاف یا ترک، وضعیت و ضعف ساختاری، مشکلات ریشه و پوسیدگی تنه و شاخه به‌عنوان متغیرهای مستقل و طبقه شدت خطرآفرینی درختان نارون به‌عنوان متغیرهای وابسته در مدل شبکه عصبی مصنوعی و رگرسیون لجستیک استفاده شدند. در این پژوهش از شبکه پرسپترون چند لایه با 5 نورون در لایه ورودی، یک لایه پنهان با 20 نورون و یک نورون در لایه خروجی استفاده شد. نتایج نشان داد که رگرسیون لجستیک نتوانست بین متغیرهای مستقل و طبقه شدت خطرآفرینی درختان نارون برازش خوبی را انجام دهد. در صورتی که شبکه عصبی قادر بود مدلی مناسب را برازش دهد. به طور کلی شبکه عصبی با کارایی مناسب و بالا در مقایسه با روش رگرسیون لجستیک، برای پیش‌بینی خطر سقوط درختان نارون، مناسب‌تر بوده است.

کلیدواژه‌ها