سیستم اطلاعات جغرافیایی
محمد کریمی؛ پرستو پیله فروش ها؛ علی صفری
چکیده
بـا توجـه بـه وسـعت زیـاد کشـور ایران و گسـتردگی منـاطق پتانسـیل‌دار ذخـایر معـدنی (وجـود کمربنـد ولکـانیکی ارومیـه ـ دختـر) و لـزوم شناسـایی و مـدیریت صـحیح ایـن ذخـایر، اسـتفاده از سیستم اطلاعـات مکانی به همراه مدل‌های پیش‌بینی کننده داده و دانش محور، نقش بسـیار مهمی به منظور تهیه نقشه پتانسیل از احتمال یافتن ذخایر معدنی در ...
بیشتر
بـا توجـه بـه وسـعت زیـاد کشـور ایران و گسـتردگی منـاطق پتانسـیل‌دار ذخـایر معـدنی (وجـود کمربنـد ولکـانیکی ارومیـه ـ دختـر) و لـزوم شناسـایی و مـدیریت صـحیح ایـن ذخـایر، اسـتفاده از سیستم اطلاعـات مکانی به همراه مدل‌های پیش‌بینی کننده داده و دانش محور، نقش بسـیار مهمی به منظور تهیه نقشه پتانسیل از احتمال یافتن ذخایر معدنی در یک مکان خاص دارد. هدف این تحقیق پیش‌بینی ذخایر مس پورفیری در ناحیه دهج - بزمان استان کرمان با استفاده از دو روش جنگلهای تصادفی[1] و ماشین بردار پشتیبان[2] است. به این منظور، از یک پایگاه داده مکانی متشکل از نقشههای جنس واحدهای سنگی، ساختارها، آلتراسیون، ژئوشیمی، ژئوفیریک و موقعیت 24 کانسار مس پورفیری شناخته‌شده در منطقه استفاده شد. با توجه به نتایج حاصل شده، مدل جنگلهای تصادفی توانست با صحت 93.33 درصد مناطق امید‌بخش ذخایر مس پورفیری را پیش‌بینی کند. همچنین، در نقشه پتانسیل بدست آمده از این مدل، مناطق هدف 14 درصد از منطقه مورد مطالعه را در برگرفته است، که در آن 92 درصد ذخایر شناخته شده مشخص شده‌اند. علاوه بر این، به منظور مقایسه نقشه پتانسیل ذخایر مس پورفیری منتج از روش جنگلهای تصادفی، از روش ماشین بردار پشتیبان و روش‌های دانش محور همپوشانی شاخص و منطق فازی استفاده شد. در نقشههای پتانسیل ذخایر مس پورفیری بدست آمده از سه روش ماشین بردار پشتیبان، همپوشانی شاخص و منطق فازی به ترتیب مناطق هدف 17،16،14 درصد از منطقه مورد مطالعه را در برگرفته است که در آن‌ها 79،83،87 درصد ذخایر شناخته شده وجود دارند. براساس نتایج این تحقیق، مدل جنگلهای تصادفی از نظر صحت پیش بینی از کارایی بالاتری نسبت به مدل‌های دیگر برخوردار بوده و مدل‌های ماشین بردار پشتیبان، همپوشانی شاخص و منطق فازی به ترتیب در رتبه‌های بعدی قرار دارند. [1] Random Forest (RF)[2] Support Vector Machine (SVM)
طاهره قائمی راد؛ محمد کریمی
چکیده
آتش سوزی جنگلی یکی از رایج ترین خطرات اکولوژیکی محسوب میشود که پیش بینی صحیح گسترش آن موضوعی حیاتی در حداقل نمودن اثرات مخرب ناشی از آن محسوب می شود. این پدیده به عواملی از جمله توپوگرافی، پوشش گیاهی و اقلیم بستگی دارد. در میان مدل های موجود مدل های قطعی تجربی که در قالب رستر ارائه شده اند از جمله اتوماتای سلولی، به دلیل سادگی مدلسازی ...
بیشتر
آتش سوزی جنگلی یکی از رایج ترین خطرات اکولوژیکی محسوب میشود که پیش بینی صحیح گسترش آن موضوعی حیاتی در حداقل نمودن اثرات مخرب ناشی از آن محسوب می شود. این پدیده به عواملی از جمله توپوگرافی، پوشش گیاهی و اقلیم بستگی دارد. در میان مدل های موجود مدل های قطعی تجربی که در قالب رستر ارائه شده اند از جمله اتوماتای سلولی، به دلیل سادگی مدلسازی و توانایی در مدل سازی سیستم های پیچیده دارای محبوبیت بیشتری هستند. سیستم های شبیه ساز مختلفی جهت شبیه سازی و پیش بینی گسترش آتش با استفاده از اتوماتای سلولی توسعه یافته اند. کیفیت نتایج حاصل از این سیستم ها علاوه بر میزان پیچیدگی مدل به صحت و اطمینان پارامترهای ورودی نیز بستگی دارد که اغلب این پارامترها، دارای درجه ای از عدم اطمینان هستند. یکی از پیشنهادات سازنده جهت غلبه بر مشکل عدم اطمینان، استفاده از رویکرد دو مرحله ای شبیه سازی می باشد. در این رویکرد، ابتدا کلیه ی پارامترهای موجود در مدل با مقایسه ی نتایج حاصل از شبیه سازی با واقعیت بهینه می شوند، سپس مدل شبیه سازی مربوطه با در نظر گرفتن مقادیر بهینه ی بدست آمده برای پارامترها به شبیه سازی گام بعدی گسترش می پردازد. یکی از مهمترین نکات در طراحی این سیستم استفاده از روش بهینه سازی مطلوب می باشد. در این پژوهش جهت غلبه بر مشکل عدم اطمینان و ارتقاء دقت مدل سازی گسترش آتش سوزی جنگلی و اجرای رویکرد دو مرحله ای از دو روش بهینه سازی ازدحام ذرات و کلونی زنبور عسل برای بخشی از جنگل های استان گیلان استفاده شده است. نتایج حاصل نشان می دهد روش بهینه سازی کلونی زنبور عسل نسبت به روش بهینه سازی ازدحام ذرات، دارای توانایی بالاتری به منظور تولید پارامترهای بهینه ی مدل مورد نظر می باشد.
