ترجمه مقاله پیش بینی رفتار آتش سوزی با هوش مصنوعی در جنگل کاج سیاه نازک - نشریه الزویر

قیمت خرید این محصول

۳۴۰,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

پیش بینی رفتار آتش سوزی با هوش مصنوعی در جنگل کاج سیاه نازک (Pinus nigra Arnold)

عنوان انگلیسی

Fire behavior prediction with artificial intelligence in thinned black pine (Pinus nigra Arnold) stand

صفحات مقاله فارسی

26

صفحات مقاله انگلیسی

10

سال انتشار

2023.6

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

pdf و ورد تایپ شده با قابلیت ویرایش

فرمت ترجمه مقاله

pdf و ورد تایپ شده با قابلیت ویرایش

فونت ترجمه مقاله

بی نازنین

سایز ترجمه مقاله

14

نوع مقاله

ISI

نوع نگارش

مقالات پژوهشی (تحقیقاتی)

نوع ارائه مقاله

ژورنال

پایگاه

اسکوپوس

ایمپکت فاکتور(IF) مجله

4.199 در سال 2021

شاخص H_index مجله

188 در سال 2023

شاخص SJR مجله

1.107 در سال 2021

شناسه ISSN مجله

0378-1127

شاخص Q یا Quartile (چارک)

Q1 در سال 2021

کد محصول

13633

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه منابع داخل متن

ترجمه شده است ✓

وضعیت فرمولها و محاسبات در فایل ترجمه

ندارد ☓

ضمیمه

ندارد ☓

بیس

نیست ☓

مدل مفهومی

ندارد ☓

پرسشنامه

ندارد ☓

متغیر

دارد ✓

فرضیه

ندارد ☓

رفرنس در ترجمه

در انتهای مقاله درج شده است

رشته و گرایش های مرتبط با این مقاله

مهندسی منابع طبیعی - مهندسی کامپیوتر - سیاست و اقتصاد جنگل - جنگلداری - مهندسی جنگل - هوش مصنوعی

مجله

Forest Ecology and Management

کلمات کلیدی

آتس سوزی جنگل - روند آتش‌سوزی - هوش مصنوعی - شبکه عصبی مصنوعی - درخت تصمیم - کاج سیاه

کلمات کلیدی انگلیسی

Forest fires - Fire behavior - Artificial intelligence - Artificial neural networks - Decision trees - Black pine

doi یا شناسه دیجیتال

https://doi.org/10.1016/j.foreco.2022.120707

با خرید این کالا; ترجمه فارسی مقاله، مقاله انگلیسی، پاورپوینت و ترجمه خلاصه قابل دانلود خواهد بود. بلافاصله پس از خرید، دکمه دانلود ظاهر شده و محصول به ایمیل شما نیز ارسال خواهد گردید.

۰.۰ (هنوز امتیازی ثبت نشده است)

فهرست مطالب

چکیده
1. مقدمه
2. روش تحقیق
1-2 مکان تحقیق
2.2. اندازه گیری قبل از آتش سوزی های آزمایشی
2.3. آتش سوزی‌های آزمایشی و داده ها
2.4. مدل های شبکه عصبی مصنوعی
2.4.1. مدل های شبکه عصبی دریافت چند لایه
5-2 مدل‌های درخت تصمیم‌گیری
2.6. برازش مدل و مقایسه مدل‌های روند آتش سوزی
3. نتایج و بحث
3.1. توسعه یک مدل شبکه عصبی مصنوعی برای پیش بینی شدت آتش
3.2. توسعه مدل شبکه عصبی مصنوعی برای پیش‌بینی میزان گسترش آتش
3.3. توسعه یک مدل درخت تصمیم برای پیش‌بینی شدت آتش‌
3.4. توسعۀ مدل درخت تصمیم برای پیش‌بینی میزان گسترش آتش‌
4. نتیجه گیری
منابع

تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)

فایل پاورپوینت این مقاله

در کنار ترجمه مقاله، فایل پاورپوینت این مقاله نیز ایجاد شده و در این محصول قرار داده شده است که پس از خریداری به همراه ترجمه قابل دانلود خواهد بود. تعداد اسلایدهای این پاورپوینت 18 می باشد و آماده ارائه در دانشگاه یا سایر سمینارها است.

فایل خلاصه ترجمه

در صورتی که نیاز به خلاصه ای از متن ترجمه این مقاله دارید، می توانید از فایل خلاصه ترجمه استفاده نمایید که به این محصول اضافه شده است. خلاصه ترجمه این مقاله در 7 صفحه در فایل word انجام شده و داخل بسته قرار گرفته است.

نمونه چکیده ترجمه متن فارسی

چکیده
مدل‌سازی روند آتش‌سوزی جنگل برای کنترل مؤثر آتش‌سوزی‌های جنگلی و انجام اقدامات احتیاطی لازم پیش از شروع آتش سوزی امری بسیار مهم است. با این حال، مطالعات روند آتش‌سوزی در جنگل، مطالعات پیچیده ای است که به بسیاری از متغیرها وابسته بوده و معمولا شامل مجموعه داده های بزرگی می‌باش. به همین دلیل، قدرت پیش بینی و سرعت مدل‌های کلاسیک در مواردی که داده‌های بزرگ و بسیاری از متغیرها را شامل می‌شوند، پایین‌تر از مدل‌های هوش مصنوعی هستند. علاوه بر این، مدل‌های پیش‌بینی کلاسیک بر خلاف مدل‌های هوش مصنوعی، ملزم به تأمین مفروضات آماری خاصی هستند. در واقع در این مطالعه، پیش‌بینی‌ روند آتش‌سوزی سطحی، به‌ویژه میزان گسترش آتش و شدت آتش، در محل آغاز آتش سوزی با استفاده از دو روش هوش مصنوعی شامل مدل شبکه عصبی مصنوعی و مدل درخت تصمیم انجام شد و مدل‌های توسعه‌یافته در این مطالعه از نظر برازش مورد آزمایش و بررسی قرار گرفتند. در نهایت، مدل رگرسیون کلاسیک برای پیش‌بینی روند آتش‌سوزی سطحی با دو مدل هوش مصنوعی فوق، مقایسه شد. یافته‌ها نشان داد که معیارهای دقت مدل‌های هوش مصنوعی بهتر از مدل کلاسیک بوده است.
2. روش تحقیق
در مطالعۀ پیش رو، روند آتش در سطح در محل وقوع با کمک هوش مصنوعی به ویژه میزان گسترش اولیه و شدت آتش سوزی، پی بینی شد. مناسب بودن مدل‌های توسعه یافته تنظیم و بررسی شد. در نهایت مدل سنتی رگرسیون برای پیش بینی روند آتش در سطح با دو مدل هوش مصنوعی مقایسه شد (تصویر 1). در این مطالعه تعداد ده متغیر مورد استفاده قرار گرفت که عبارتند از: دمای هوا (T)، رطوبت نسبی (RH)، سرعت باد (W) مقدار رطوبت برگ کاج (NMC)، مقدار رطوبت سوخت ریز (FFMC)، احتراق طول خط آتش (ILL)، بار سوخت کل (TFL)، سرعت گسترش آتش (ROS)، طول شعله (FL)، و شدت آتش (FI).
1-2 مکان تحقیق
این مطالعه در جنگل کاج سیاه واقع در آناتولی انجام شد. این جنگل در منطقه جنگلی کاستامونو در شمال غربی ترکیه. واقع است این گونه کاج سیاه بعد از ماج کالابریایی، رایج‌ترین گونه در جهان است. این نوع کج ارزش اکولوژیکی و اقتصادی دارد و در مناطق مستعد آتش سوزی در ترکیه واقع شده است (کوچوک 2000; GDF 2022).