فهرست نشریات علمی دسترسی آزاد ایران

با توجه به اهمیت اندازه­ گیری حجم و امکان فروش درختان به شکل سرپا و همچنین هزینه‌بر و زمان­بر بودن اندازه ­گیری حجم واقعی درختان، برای یافتن روشی جایگزین که از لحاظ زمان و هزینه به صرفه‌تر باشد، این مطالعه با هدف پیش­بینی حجم سرپای درختان صنوبر (Populus deltoids) با روش شبکة عصبی مصنوعی (ANN)  برای مدیریت برداشت و فروش، پیش­بینی شد. در این مطالعه قطر و ارتفاع تعداد 416 اصله درخت با انتخاب تصادفی از دامنه­های قطری 10 تا 15، 15 تا 20، 20 تا 25، 25 تا 30، 30 تا 35، 35 تا 40، 40 تا 45 و 45 تا50 (سانتی‌متر) اندازه ­گیری شد. سپس حجم سرپای آن‌ها با مدل تک لایه شبکة عصبی مصنوعی پیش­بینی شد. در این مطالعه شاخص های پیش ­بینی کنندة قطر و ارتفاع برابر سینه به‌عنوان دادة ورودی و حجم سرپای درختان به‌عنوان داده خروجی در نظر گرفته شد. تعداد لایه ­های ورودی، مخفی و خروجی همگی یک و تعداد نورون ­های لایة مخفی بر حسب آزمون و خطا 10 در نظر گرفته شد. نتایج نشان داد که مدل سادة شبکة عصبی مصنوعی با شاخص پیش ­بینی کنندة قطر با MAPE، R2 ،R، MSE، RMSE  به‌ترتیب 10/22، 0/9785، 0/99، 0/072 و 0/269 و با شاخص ارتفاع با MAPE، R2 ،R، MSE، RMSE  به‌ترتیب 35/43، 0/8004، 0/89، 0/674 و 0/821 حجم را پیش ­بینی کرد. مدل ساده به‌دلیل سهولت انجام کار و به‌عنوان بهترین مدل پیشنهاد شدند.