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

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.بنابراین شناخت عوامل موثر در خطرآفرینی درختان فضای سبز شهری و کمی کردن این عوامل پیش نیاز برآورد خطرآفرینی درختان فضای سبز شهری و ارائه آن ها به مدل های پیش بینی است. به طور کلی مدل شبکة عصبی مصنوعی ابزاری مدیریتی برای مدیران فضای سبز شهری به منظور آگاهی از احتمال سقوط درختان خطرآفرین و اتخاذ تدابیرپیشگیرانه و کنترلی در کاهش احتمال سقوط درختان فضای سبز محسوب می شود .