مقايسه بين شبکه عصبي مصنوعي و تحليل رگرسيون در برآورد مدت زمان قطع درخت

قطع درخت در بين مولفه هاي بهره برداري، اهميت زيادي دارد. برآورد توليد تجهيزات جنگلي، بخش مهمي از مديريت هزينه ها در يک واحد جنگل داري است که با کاهش هزينه هاي عمليات همراه است. به عبارت ديگر، هزينه هاي بالاي سرمايه گذاري در بهره برداري جنگل، دليل خوبي براي تحقيقات مهندسي جنگل و همچنين مدل سازي زمان مي باشد. روش هاي زيادي مانند انواع رگرسيون ها، منطق فازي، شبکه هاي عصبي و غيره براي پيش بيني زمان قطع وجود دارد که به کمک آنها مي توان به ارتباط منطقي بين زمان قطع درخت و متغيرهاي مستقل موجود دست يافت و براي عمليات آينده ميزان زمان قطع درخت را پيش بيني نمود. در اين تحقيق از تحليل رگرسيون و شبکه هاي عصبي پرسپترون چند لايه و تابع شعاع مدار براي پيش بيني زمان قطع درخت در جنگل هاي شرکت نکاچوب استفاده شد. به منظور جمع آوري داده هاي زمان قطع، از روش مطالعه زماني پيوسته استفاده شد. بدين منظور تعداد 84 درخت از درختان نشانه گذاري شده انتخاب شد و زمان خالص قطع درخت با استفاده از شبکه پرسپترون چندلايه و تابع شعاع مدار، و همچنين روش رايج تحليل رگرسيون پيش بيني گرديد. نتايج نشان داد که شبکه عصبي تابع پايه شعاعي نسبت به شبکه عصبي پرسپترون چندلايه داراي دقت بيشتري در برآورد زمان قطع درخت مي باشد. همچنين مقايسه معيارهاي ارزيابي شبکه عصبي مصنوعي با رگرسيون گام به گام نشان داد که شبکه عصبي MLP و RBF به ترتيب داراي مقدار 0.94 RMSE و 0.81 بوده، در حالي که مقدار RMSE مدل رگرسيون 1.15 مي باشد.