مشخصات مقاله:
عنوان فارسی مقاله:
عنوان انگلیسی مقاله:
Fire behavior prediction with artificial intelligence in thinned black pine (Pinus nigra Arnold) stand
کلمات کلیدی مقاله:
آتس سوزی جنگل – روند آتش‌سوزی – هوش مصنوعی – شبکه عصبی مصنوعی – درخت تصمیم – کاج سیاه
مناسب برای رشته های دانشگاهی زیر:
مهندسی منابع طبیعی – مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
سیاست و اقتصاد جنگل – جنگلداری – مهندسی جنگل – هوش مصنوعی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. روش تحقیق
1-2 مکان تحقیق
2.2. اندازه گیری قبل از آتش سوزی های آزمایشی
2.3. آتش سوزی‌های آزمایشی و داده ها
2.4. مدل های شبکه عصبی مصنوعی
2.4.1. مدل های شبکه عصبی دریافت چند لایه
5-2 مدل‌های درخت تصمیم‌گیری
2.6. برازش مدل و مقایسه مدل‌های روند آتش سوزی
3. نتایج و بحث
3.1. توسعه یک مدل شبکه عصبی مصنوعی برای پیش بینی شدت آتش
3.2. توسعه مدل شبکه عصبی مصنوعی برای پیش‌بینی میزان گسترش آتش
3.3. توسعه یک مدل درخت تصمیم برای پیش‌بینی شدت آتش
3.4. توسعۀ مدل درخت تصمیم برای پیش‌بینی میزان گسترش آتش
4. نتیجه گیری
منابع
قسمتی از مقاله انگلیسی و ترجمه آن:
ABSTRACT
Modeling forest fire behavior is very important for the effective control of forest fires and the setting up of necessary precautions before fires start. However, studies of forest fire behavior are complex studies that depend on many variables and usually involve large data sets. For this reason, the predictive power and speed of classical forecasting models are lower than of artificial intelligence models in cases involving big data and many variables. Moreover, classical forecasting models must satisfy certain statistical assumptions, unlike artificial intelligence methods. Thus, in this study, predictions were made of surface fire behavior, especially the rate of fire spread and the fire intensity, at the location at which fires started using two artificial intelligence methods, an artificial neural network and a decision tree. The accuracy of the developed models was fitted and tested. Finally, the classical regression model for predicting surface fire behavior was compared with the two artificial intelligence methods. The accuracy measures of the artificial intelligence models were found to be better than those of the classical model.
چکیده
مدل‌سازی روند آتش‌سوزی جنگل برای کنترل مؤثر آتش‌سوزی‌های جنگلی و انجام اقدامات احتیاطی لازم پیش از شروع آتش سوزی امری بسیار مهم است. با این حال، مطالعات روند آتش‌سوزی در جنگل، مطالعات پیچیده ای است که به بسیاری از متغیرها وابسته بوده و معمولا شامل مجموعه داده های بزرگی می‌باش. به همین دلیل، قدرت پیش بینی و سرعت مدل‌های کلاسیک در مواردی که داده‌های بزرگ و بسیاری از متغیرها را شامل می‌شوند، پایین‌تر از مدل‌های هوش مصنوعی هستند. علاوه بر این، مدل‌های پیش‌بینی کلاسیک بر خلاف مدل‌های هوش مصنوعی، ملزم به تأمین مفروضات آماری خاصی هستند. در واقع در این مطالعه، پیش‌بینی روند آتش‌سوزی سطحی، به‌ویژه میزان گسترش آتش و شدت آتش، در محل آغاز آتش سوزی با استفاده از دو روش هوش مصنوعی شامل مدل شبکه عصبی مصنوعی و مدل درخت تصمیم انجام شد و مدل‌های توسعه‌یافته در این مطالعه از نظر برازش مورد آزمایش و بررسی قرار گرفتند. در نهایت، مدل رگرسیون کلاسیک برای پیش‌بینی روند آتش‌سوزی سطحی با دو مدل هوش مصنوعی فوق، مقایسه شد. یافته‌ها نشان داد که معیارهای دقت مدل‌های هوش مصنوعی بهتر از مدل کلاسیک بوده است.