hrcak mascot   Srce   HID

Izvorni znanstveni članak
https://doi.org/10.31298/sl.143.9-10.3

Usporedba modela umjetne neuralne mreže za predviđanje drvnog volumena krimskih borova u šumama pokrajine Cankiri

Muammer Şenyurt   ORCID icon orcid.org/0000-0002-8957-9295 ; Çankiri Karatekin University, Forestry Faculty, Çankiri, Turkey
Ilker Ercanli   ORCID icon orcid.org/0000-0003-4250-7371 ; Çankiri Karatekin University, Forestry Faculty, Çankiri, Turkey

Puni tekst: engleski, pdf (539 KB) str. 413-423 preuzimanja: 202* citiraj
APA 6th Edition
Şenyurt, M. i Ercanli, I. (2019). A comparison of artificial neural network models and regression models to predict tree volumes for crimean black pine trees in Cankiri forests. Šumarski list, 143 (9-10), 413-423. https://doi.org/10.31298/sl.143.9-10.3
MLA 8th Edition
Şenyurt, Muammer i Ilker Ercanli. "A comparison of artificial neural network models and regression models to predict tree volumes for crimean black pine trees in Cankiri forests." Šumarski list, vol. 143, br. 9-10, 2019, str. 413-423. https://doi.org/10.31298/sl.143.9-10.3. Citirano 22.01.2021.
Chicago 17th Edition
Şenyurt, Muammer i Ilker Ercanli. "A comparison of artificial neural network models and regression models to predict tree volumes for crimean black pine trees in Cankiri forests." Šumarski list 143, br. 9-10 (2019): 413-423. https://doi.org/10.31298/sl.143.9-10.3
Harvard
Şenyurt, M., i Ercanli, I. (2019). 'A comparison of artificial neural network models and regression models to predict tree volumes for crimean black pine trees in Cankiri forests', Šumarski list, 143(9-10), str. 413-423. https://doi.org/10.31298/sl.143.9-10.3
Vancouver
Şenyurt M, Ercanli I. A comparison of artificial neural network models and regression models to predict tree volumes for crimean black pine trees in Cankiri forests. Šumarski list [Internet]. 2019 [pristupljeno 22.01.2021.];143(9-10):413-423. https://doi.org/10.31298/sl.143.9-10.3
IEEE
M. Şenyurt i I. Ercanli, "A comparison of artificial neural network models and regression models to predict tree volumes for crimean black pine trees in Cankiri forests", Šumarski list, vol.143, br. 9-10, str. 413-423, 2019. [Online]. https://doi.org/10.31298/sl.143.9-10.3

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

Hrčak ID: 227251

URI
https://hrcak.srce.hr/227251

[engleski]

Posjeta: 379 *