DIGITALNA ARHIVA ŠUMARSKOG LISTA
prilagođeno pretraživanje po punom tekstu
| ŠUMARSKI LIST 9-10/2019 str. 41 <-- 41 --> PDF |
pré-corte em povoamentos de Acacia mearnsii De Wild. Científica 42(1):80-90. Soares, F.A.A.M.N, E.L. Flôres, C.D.E.L. Cabacınha, G.A. Carrıjo, A.C.P. Veiga, 2011: Recursive diameter prediction and volume calculation of eucalyptus trees using Multilayer Perceptron Networks, Computers, and Electronics in Agriculture, v.78, n.1,p. 19-27. Silva, M.L.M., D.H.B. Binoti, J.M. Gleriani, H.G. Leite, 2009: Ajuste do modelo de Schumacher e Hall e aplicação de redes neurais artificiais para estimar volume de árvores de eucalipto, Rev. Arvore, 33(6):11331139. Şentürk, N., 1997: Arrangement of ash (Fraxinus angustifolia Wahl. subps.Oxycarpa (Bieb. ExWilld.) Franco&RochaAfonso) body volume and wood volume tables, . Phd thesis. Pamukkale Natural And Applied Science. Reed, D.D., E.J. Green, 1984: Compatible stem taper and volüme ratio equations, For. Sci. 30(4):977–990. Tang, X., C. Pérez-Cruzado, L. Fehrmann, J.G. Álvarez-González, Y. Lu, C. Kleinn, 2016: Development of a Compatible Taper Function and Stand-Level Merchantable Volume Model for Chinese Fir Plantations, PLoS ONE 11(1): 1-15 Topçu, İ.B., M. Sarıdemir, 2008: Prediction of Compressive Strength of Concrete Containing Fly Ash Using Artificial Neural Networks and Fuzzy Logic. Computational Materials Science, 41, 305–311. Van Laar, A., A. Akça, 2007: Forest mensuration, Springer, Dordrecht, 383 pp. Wiant, H.V.Jr., G.B. Wood, T.G. Gregoiıre, 1992: Practical guide for estimating the volume of a standing sample tree using either importance or centroid sampling, Forest Ecology, and Management, 49, 333–339. Yavuz, H., 1995: Compatible and incompatible trunk diameter models, Karadeniz Technical University Faculty of Forestry spring seminars, faculty publication number:49, 101-106. Yavuz, H., 1999: Volume Functions and Volume Tables for Crimean pine in Taşköprü Region, Turkish Journal of Agriculture and Forestry, 23, 1181-118. Yavuz, H., O.E. Sakıcı, 2002: Scientific and practical examination of body profile models, Conceptual expansions and new targets in forest management symposium, Istanbul, Turkey, p.233-241. Sažetak Cilj ovog rada je usporediti modele umjetne neuralne mreže (ANN) za predviđanje pojedinih drvnih volumena krimskih borova u šumama Çankirija. Jednoulazne i dvoulazne jednadžbe i kompatibilna volumna jednadžba Fang et al. (2000) temeljena na klasičnim i tradicionalnim metodama primijenjena je na 360 krimskih borova u cilju dobivanja ovih drvnih volumena. Kako bi se odredila najbolja alternativna metoda za predviđanje ANN modela, ukupno je obučeno 320 treniranih mreža u višeslojnom perceptronu (MLP) i ukupno 20 treniranih mreža u arhitekturi Radial Basis Function (RBF). Na temelju statistike goodness-of-fit, ANN u smislu MLP 1-9-1 uključujući dbh kao input varijablu za jednoulazna volumna predviđanja pokazao je bolju fitting sposobnost sa SSE (2.7763), Radj2 (0.9339), MSE (0.00910), RMSE (0.0954), AIC (-823.25) i SBC (-1421.81) nego onaj u ostalim proučavanim volumnim metodama koje uključuju dbh kao eksplanatornu varijablu. Za dvoulazna volumna predviđanja, što uključuju dbh i ukupnu visinu kao input varijable, ANN temeljen na MLP 2-15-1 rezultirao je boljom fitting statistikom sa SSE (0.8354), Radj2 (0.9801), MSE (0.00274), RMSE (0.0523), AIC (-579.55) and SBC (-1788.11). Ključne riječi: Predviđanje drvnog volumena, umjetna neuralna mreža, krimski bor, linearna analiza regresije, šume Cankiri |