عنوان: ارزیابی کارایی شبکه‌های عصبی مصنوعی در مدلسازی زمان وینچینگ Timber Jack 450 C

برآورد توليد تجهيزات جنگلي، بخش مهمي از مديريت هزينه‌ها در يك واحد جنگل داري است كه با كاهش هزينه‌هاي عمليات همراه است. به عبارتی دیگر، هزینه ‌های بالای سرمایه‌ گذاری در بهره‌ برداری جنگل، دلیل خوبی برای تحقیقات مهندسی جنگل و همچنین مدل سازی زمان می ‌باشد. در این مطالعه از یکی از زیر مجموعه ‌های هوش مصنوعی، که شبکه‌های عصبی مصنوعی نامیده می‌شود، به منظور مدل سازی زمان وینچینگ Timber Jack 450C در جنگلهای نکا چوب استفاده گردید. به منظور جمع‌آوري داده‌هاي زمان وينچينگ از روش مطالعه زماني پيوسته استفاده شد. همزمان با اندازه‌گیری زمان وینچینگ، فاکتورهای موثر بر زمان وینچینگ (مانند شیب وینچینگ، فاصله وینچینگ، تعداد بینه در هر نوبت وینچینگ و حجم بار در هر نوبت وینچینگ) نیز مورد بررسی قرار گرفتند. براي مدلسازی زمان وینچینگ با استفاده از شبکه‌های عصبی مصنوعی از دو شبکه عصبي پرسپترون چند لایه و تابع شعاع مدار استفاده گردید. همچنین به منظور مقایسه دقت شبکه عصبی مصنوعی با روش رایج رگرسیون، با استفاده از تحلیل رگرسیون، مدل ریاضی پيش بيني زمان وینچینگ تهیه شد. نتایج نشان داد که شبکه عصبی RBF در مقایسه با شبکه MLP در پیش بینی زمان وینچینگ دارای دقت بیشتری می‌باشد. در هر دو شبکه، متغیر فاصله بینه تا مرکز مسیر چوبکشی بیشترین اهمیت را داشت. همچنین مقایسه نتایج حاصل از روش رگرسیون و شبکه عصبی بیانگر این مطلب بود که شبکه‌های عصبی مصنوعی دارای دقت بیشتر و خطای کمتری در برآورد زمان وینچینگ می‌باشند.

بهره‌ برداری جنگل، پرسپترون چند لایه، تابع شعاع مدار، زمان سنجی، وینچینگ، هوش مصنوعی