دانلود مقاله پیش بینی ابعاد و ارتفاع درخت های اکالیپتوس با استفاده از هوش مصنوعی
تعداد کلمات فایل انگلیسی:4900 کلمه 9 صفحه pdf
تعداد صفحات فایل ترجمه:21 صفحه word فونت 14 B Nazanin+ Regular
پیش بینی ابعاد و ارتفاع درخت های اکالیپتوس با استفاده از هوش مصنوعی
چکیده
مدل های مربوط به درخت های تکی از چند مدل تشکیل شده که عموما رقابت، مرگ و میر و رشد ارتفاع و قطر هر درخت را تخمین می زند. این ها معمولا وفقی بوده و در این شرایط ما می خواهیم اطلاعات جزئی تری را برای تقریب و تخمین جنگل های چند محصوله انجام دهیم. در این مدل ها، تخمین مربوط به رشد بر حسب ابعاد در حد 30/1 متر ارائه شده که بالاتر از سطح زمین بوده و ارتفاع کلی آن با آنالیز رگرسیون به دست می آید. اخیرا تکنیک های هوش مصنوعی با عملکرد رضایت بخشی در مقیاس های جنگل داری بررسی می شوند. بنابراین هدف ازا ین مطالعه، ارزیابی عملکرد تکنیک های هوش مصنوعی را ارائه می دهد که در شبکه های عصبی مصنوعی و سیستم های تداخل عصبی فازی مشخص شده و با تخمین رشد درخت های اکالیپتوس DBH, H نیز مشخص می شود. ما داده های پیوسته را برای جنگل داری درختان اکالیپتوس استفاده می کنیم و اندازه گیری های سالانه DBH,H و ارتفاع درختان 398 بوده که با دو متغیر کیفی اضافه شده و مواد ژنتیکی و ثوابت دیگر را نیز در نظر دراد. می توان به مشاهده دو تکنیک هوش مصنوعی پرداخت که نشان دهنده دقت تخمین رشد DBH,H می باشد. بنابراین دو تکنیک مورد بحث در این جا برای پیش بینی DBG,H در درختان اکالیپستوس بررسی می شوند. این تکنیک ها برای تطابق با زمینه های دیگر و گونه های جنگلداری مورد استفاده می باشند.
Prognoses of diameter and height of trees of eucalyptus using artificial intelligence
Models of individual trees are composed of sub-models that generally estimate competition, mortality, and growth in height and diameter of each tree. They are usually adopted when we want more detailed information to estimate forest multiproduct. In these models, estimates of growth in diameter at 1.30 m above the ground (DBH) and total height (H) are obtained by regression analysis. Recently, artificial intelligence techniques (AIT) have been used with satisfactory performance in forest measurement. Therefore, the objective of this study was to evaluate the performance of two AIT, artificial neural networks and adaptive neuro-fuzzy inference system, to estimate the growth in DBH and H of eucalyptus trees. We used data of continuous forest inventories of eucalyptus, with annual measurements of DBH, H, and the dominant height of trees of 398 plots, plus two qualitative variables: genetic material and site index. It was observed that the two AIT showed accuracy in growth estimation of DBH and H. Therefore, the two techniques discussed can be used for the prognosis of DBH and H in even-aged eucalyptus stands. The techniques used could also be adapted to other areas and forest species
کد:12854
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله پیش بینی ابعاد و ارتفاع درخت های اکالیپتوس با استفاده از هوش مصنوعی
تعداد کلمات فایل انگلیسی:4900 کلمه 9 صفحه pdf
تعداد صفحات فایل ترجمه:21 صفحه word فونت 14 B Nazanin+ Regular
پیش بینی ابعاد و ارتفاع درخت های اکالیپتوس با استفاده از هوش مصنوعی
چکیده
مدل های مربوط به درخت های تکی از چند مدل تشکیل شده که عموما رقابت، مرگ و میر و رشد ارتفاع و قطر هر درخت را تخمین می زند. این ها معمولا وفقی بوده و در این شرایط ما می خواهیم اطلاعات جزئی تری را برای تقریب و تخمین جنگل های چند محصوله انجام دهیم. در این مدل ها، تخمین مربوط به رشد بر حسب ابعاد در حد 30/1 متر ارائه شده که بالاتر از سطح زمین بوده و ارتفاع کلی آن با آنالیز رگرسیون به دست می آید. اخیرا تکنیک های هوش مصنوعی با عملکرد رضایت بخشی در مقیاس های جنگل داری بررسی می شوند. بنابراین هدف ازا ین مطالعه، ارزیابی عملکرد تکنیک های هوش مصنوعی را ارائه می دهد که در شبکه های عصبی مصنوعی و سیستم های تداخل عصبی فازی مشخص شده و با تخمین رشد درخت های اکالیپتوس DBH, H نیز مشخص می شود. ما داده های پیوسته را برای جنگل داری درختان اکالیپتوس استفاده می کنیم و اندازه گیری های سالانه DBH,H و ارتفاع درختان 398 بوده که با دو متغیر کیفی اضافه شده و مواد ژنتیکی و ثوابت دیگر را نیز در نظر دراد. می توان به مشاهده دو تکنیک هوش مصنوعی پرداخت که نشان دهنده دقت تخمین رشد DBH,H می باشد. بنابراین دو تکنیک مورد بحث در این جا برای پیش بینی DBG,H در درختان اکالیپستوس بررسی می شوند. این تکنیک ها برای تطابق با زمینه های دیگر و گونه های جنگلداری مورد استفاده می باشند.
Prognoses of diameter and height of trees of eucalyptus using artificial intelligence
Models of individual trees are composed of sub-models that generally estimate competition, mortality, and growth in height and diameter of each tree. They are usually adopted when we want more detailed information to estimate forest multiproduct. In these models, estimates of growth in diameter at 1.30 m above the ground (DBH) and total height (H) are obtained by regression analysis. Recently, artificial intelligence techniques (AIT) have been used with satisfactory performance in forest measurement. Therefore, the objective of this study was to evaluate the performance of two AIT, artificial neural networks and adaptive neuro-fuzzy inference system, to estimate the growth in DBH and H of eucalyptus trees. We used data of continuous forest inventories of eucalyptus, with annual measurements of DBH, H, and the dominant height of trees of 398 plots, plus two qualitative variables: genetic material and site index. It was observed that the two AIT showed accuracy in growth estimation of DBH and H. Therefore, the two techniques discussed can be used for the prognosis of DBH and H in even-aged eucalyptus stands. The techniques used could also be adapted to other areas and forest species
کد:12854
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com