مدل سازی زمانی و مکانی آتش سوزی جنگل های زاگرس با استفاده از شبکه عصبی حافظه طولانی کوتاه مدت کانولوشنالی (ConvLSTM) منطقه مورد مطالعه (جنگل های شهرستان مریوان)
محل انتشار: دومین کنفرانس بین المللی و هفتمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 41
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF07_004
تاریخ نمایه سازی: 18 فروردین 1403
چکیده مقاله:
نوآوری های الگوریتمی، افزایش توانایی های محاسباتی با استفاده از واحد پردازش گرافیکی (GPU) و مجموعه داده های بزرگ تر،عواملی هستند که به پیشرفت های اخیر یادگیری عمیق کمک کرده اند. شبکه های یادگیری عمیق به شدت متکی به داده های بزرگهستند تا از بیش برازش جلوگیری کنند. هدف از تحقیق حاضر مدل سازی زمانی و مکانی آتش سوزی جنگل های زاگرس با شبکهعصبی عمیق حافظه طولانی کوتاه مدت کانولوشنالی برای ۳۰ هکتار از جنگل های مریوان با استفاده از متغیرهایی نظیر ارتفاع،شیب، جهت شیب سرعت و جهت باد، دما، رطوبت نسبی، تراکم نسبی و نقشه نقاطی که قبلا آتش سوزی رخ داده است هست. بااستفاده از متغیرهای نامبرده به بررسی روند گسترش آتش سوزی و شناسایی جبهه های اولیه، انوی و همچنین تشکیل جبهه هایمشترک و بزرگ تر آتش و جهت حرکت آن ها در یک زمان ۶۰ دقیقه ای که تقسیم به چهار قسمت ۱۵ دقیقه ای شده اند موردبررسیقرارگرفته است. نتایج این تحقیق نشان داد که مدل ConvLSTM می تواند با میزان دقت ۹۸% و تابع هزینه ۰/۰۴ پیش بینیروند گسترش آتش سوزی ر برای جنگل های مریوان انجام دهد. نتیحه حاصله نشان دهنده این که مدل ConvLSTM دقت قابلقبولی برای منطقه موردمطالعه در برداشته است.
کلیدواژه ها:
نویسندگان
ادیب رحیمی
کارشناس ارشد سنجش از دور و GIS، دانشکده علوم جغرافیایی، دانشگاه خوارزمی
جواد سدیدی
استادیار گروه آموزشی سنجش از دور و GIS، دانشکده علوم جغرافیایی، دانشگاه خوارزمی