مدلسازی حجم تجاری درختان توده‌های آمیختۀ راش جنگل‌های هیرکانی با استفاده از شبکۀ عصبی مصنوعی

پیش بینی دقیق حجم درختان سرپا برحسب متر مکعب مبنای برآورد هر چه دقیق‌تر مقدار رویش، برداشت مجاز، ترسیب کربن زی‌تودۀ هوایی درختان و مدیریت بهینۀ جنگل براساس اصل توسعۀ پایدار محسوب می‌شود. از این‌رو، تحقیق حاضر با استفاده از شبکۀ عصبی مصنوعی در پی مدلسازی و پیش‌بینی حجم تجاری با حداکثر قطعیت است. پژوهش موردی جنگل سری 3 گلندرود نور بوده و اطلاعات دریافتی مستخرج از جدول‌های تجدید حجم ادارۀ کل منابع طبیعی نوشهر شامل قطر، ارتفاع کل و مقادیر حجمی مربوط به 150 اصله درختان قطع‌شده است. کلیۀ مقادیر حجمی به‌ازای کمیت‌های بیوفیزیکی مذکور به‌عنوان لایۀ ورودی به‌صورت مرحله‌ای با استفاده از شبکۀ عصبی پیش‌خور الگوریتم پس‌انتشار ffbp مدلسازی شدند. همچنین از دو تابع انتقال نورون غیرخطی logsig و tansig استفاده شد، طوری که هر مدل با توپولوژی مختلف شبکۀ مدنظر برای رسیدن به پاسخ هدف، دقت متفاوتی را نشان ‌داد. نورون‌های انتقالی برای رسیدن به حداقل خطای آزمون داده‌ها در هر الگوریتم آموزش، پس از وزن‌دهی اولیه دارای تعداد چرخش متفاوت بودند. نتایج مدلسازی پس از سعی و آزمون مکرر نشان داد که مدل حاوی قطر و ارتفاع کل با تابع انتقالی logsig با معماری دو لایۀ پنهان و 15 نورون دارای حداقل میانگین مربعات خطای آزمون (‌mse)، حداقل میانگین انحراف معیار و حداکثر ضریب تبیین (158/0= ad، 99/0= r^2) است که از این‌رو به‌عنوان مدل بهینه معرفی می‌شود.