استفاده از روش شبكه‌ عصبي مصنوعي براي پيش‌بيني حجم سرپاي درخت صنوبر دلتوئيدس ( Populus deltoids) (مطالعه‌ موردي: جنگل‌هاي شركت شفارود)

با توجه به اهميت اندازه گيري حجم و امكان فروش درختان به شكل سرپا و همچنين هزينه‌بر و زمان بر بودن اندازه گيري حجم واقعي درختان، براي يافتن روشي جايگزين كه از لحاظ زمان و هزينه به صرفه‌تر باشد، اين مطالعه با هدف پيش بيني حجم سرپاي درختان صنوبر (Populus deltoids) با روش شبكه‌ عصبي مصنوعي (ANN)  براي مديريت برداشت و فروش، پيش بيني شد. در اين مطالعه قطر و ارتفاع تعداد 416 اصله درخت با انتخاب تصادفي از دامنه هاي قطري 10 تا 15، 15 تا 20، 20 تا 25، 25 تا 30، 30 تا 35، 35 تا 40، 40 تا 45 و 45 تا50 (سانتي‌متر) اندازه گيري شد. سپس حجم سرپاي آن‌ها با مدل تك لايه شبكه‌ عصبي مصنوعي پيش بيني شد. در اين مطالعه شاخص هاي پيش بيني كننده‌ قطر و ارتفاع برابر سينه به‌عنوان داده‌ ورودي و حجم سرپاي درختان به‌عنوان داده خروجي در نظر گرفته شد. تعداد لايه هاي ورودي، مخفي و خروجي همگي يك و تعداد نورون هاي لايه‌ مخفي بر حسب آزمون و خطا 10 در نظر گرفته شد. نتايج نشان داد كه مدل ساده‌ شبكه‌ عصبي مصنوعي با شاخص پيش بيني كننده‌ قطر با MAPE، R2 ،R، MSE، RMSE  به‌ترتيب 10/22، 0/9785، 0/99، 0/072 و 0/269 و با شاخص ارتفاع با MAPE، R2 ،R، MSE، RMSE  به‌ترتيب 35/43، 0/8004، 0/89، 0/674 و 0/821 حجم را پيش بيني كرد. مدل ساده به‌دليل سهولت انجام كار و به‌عنوان بهترين مدل پيشنهاد شدند.