طراحی شبکۀ جادۀ جنگلی با استفاده از شبکۀ عصبی مصنوعی و gis

جاده‌های جنگلی به‌منظور ایجاد دسترسی به جنگل احداث می‌شوند و تاثیر زیربنایی در سازماندهی منطقه دارند. هدف این پژوهش، معرفی راهکاری هوشمند مبتنی بر شبکه‌های عصبی مصنوعی با تلفیق gis برای طراحی شبکۀ جادۀ جنگلی با در نظر داشتن اصول و معیارهای فنی شبکۀ جادۀ جنگلی است. ابتدا معیارهای موثر با استفاده از روش دلفی شناسایی شد و وزن‌دهی آنها با استفاده از روش ahp، انجام گرفت. با تلفیق لایه‌های مختلف و وزن نظیر هر یک به روش وزن‌دهی خطی، نقشۀ شایستگی بخش پاتم برای عبور شبکۀ جاده تهیه شد. ارزش هر پیکسل از نقشه‌ها به‌همراه مختصات، با استفاده از نرم‌افزار envi استخراج شد. به‌منظور آماده‌سازی داده‌ها برای ورود به نرم‌افزار matlab، همۀ داده‌ها به دامنۀ 0 تا 1 نگاشت شدند. در این مطالعه برای مدل‌سازی، از دو شبکۀ عصبی پرسپترون چندلایه و شعاع مبنا استفاده‌شد. شبکه‌های عصبی درجۀ مطلوبیت عبور جاده برای پنج بخش جنگل را براساس بخش پاتم برآورد کردند. با استفاده از برنامۀ جانبی pegger دو شبکۀ جاده نیز طراحی شد. در انتها جاده‌های طراحی‌شده با جادۀ موجود توسط gis مقایسه و ارزیابی شد. نتایج نشان داد که شبکۀ عصبی مصنوعی پرسپترون چندلایه توانایی بیشتری در برآورد درجۀ مطلوبیت عبور جاده دارد و ضریب تبیین آن 0/994 به‌دست آمد. برای مقایسۀ نتایج شبکه‌های عصبی پیشنهادی از رگرسیون خطی استفاده شد. نتایج نشان داد هر دو شبکۀ عصبی نتایج بهتری از رگرسیون خطی ارائه دادند و قابلیت لازم را برای تعیین میزان مطلوبیت در طی فرایند طراحی شبکۀ جاده دارند. براساس نتایج به‌دست‌آمده گزینۀ دوم طراحی‌شده، برپایۀ میزان ارزش واحد طول به‌عنوان شبکۀ جادۀ بهینه معرفی شد.