تهیه نقشه قابلیت جاده‏سازی با استفاده از شبکه عصبی مصنوعی و GIS (بررسی موردی: منطقه ارسباران)‌

نویسندگان

1 دانشجوی دکتری مهندسی جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.

2 دانشیار، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی دانشگاه تهران، کرج، ایران.

3 استاد، گروه مهندسی مکانیک ماشین‏های کشاورزی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران.

4 استاد، گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.

doi
10.30466/jfrd.2020.120831
چکیده

هدف از این پژوهش ارائه روشی هوشمند مبتنی بر شبکه‏های عصبی مصنوعی برای مدل‌سازی قابلیت منطقه حفاظت‏شده ارسباران برای عبور جاده برای طراحی و اصلاح و توسعه مناسب شبکه جاده و راه‏های ارتباطی موجود در منطقه است. ابتدا با استفاده از فرایند تحلیل سلسله مراتبی (AHP) و روش ترکیب وزن‏دهی خطی (WLC) و به‌کارگیری لایه‌های اطلاعاتی مؤثر بر مسیریابی، نقشه شایستگی جاده‏سازی برای تهیه نمونه‌های آموزشی در محیط ArcGIS تهیه شد. در ادامه از شبکه پرسپترون چندلایه (MLP) برای برآورد مقدار مطلوبیت عبور جاده استفاده شد. برای ارزیابی عملکرد مدل شبکه عصبی نتایج به‌دست‌آمده با نتایج حاصل از رگرسیون خطی چندمتغیره مقایسه شدند. طبق نتایج به‌دست‌آمده، شبکه عصبی مصنوعی و روش آماری رگرسیون به‏ترتیب با ضریب تبیین (R2)، 908/0 و 901/0 و مجذور میانگین مربعات خطا (RMSE)، 0385/0 و 04/0 قابلیت لازم برای تعیین ارزش مطلوبیت عبور جاده نشان دادند و شبکه عصبی نتایج به‏نسبت بهتری در مقایسه با رگرسیون نشان داد. همچنین با توجه به نتایج آنالیز حساسیت متغیرهای ورودی، چهار معیار شیب، سنگ‌بستر، حساسیت به فرسایش و بافت خاک به‏ترتیب بیشترین تأثیر را در برآورد مدل نشان دادند.