این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
اطلاعات جغرافیایی (سپهر)، جلد ۲۴، شماره ۹۳، صفحات ۶۵-۷۶
عنوان فارسی ارزیابی و مقایسه ی نتایج حاصل از بهینه سازی مدل گسترش آتش سوزی جنگلی بر مبنای اتوماتای سلولی با استفاده از دو الگوریتم PSO و ABC
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Evaluation and comparison the results of optimization of forest fire spreading model based on cellular automata using PSO and ABC algorithms
چکیده انگلیسی مقاله Forest fire is one of the most common ecological disaster which it's accurate spread prediction is a very essential issue in minimizing it's destructive effects.This phenomenon depends on factors such as topography, vegetation and climate. Among the available models, experimental deterministic models that are presented in the form of raster such as cellular automata are more popular due to their simplicity and ability in modeling complex systems. Many simulator systems have been developed in order to simulate and predict fire spread by cellular automata. The quality of their results depends on accuracy and reliability of input parameters as well as model complexity which most of these parameters have a degree of uncertainty. A constructive suggestion to overcome the problem of uncertainty is using a two phase simulation approach. In this approach, at first, model parameters will be optimized by comparing simulation results with reality, then simulation model will be used for simulating next step of fire spread considering optimal values which already has been obtained in the first step. One of the important points in designing this system is using optimal optimization method. In this study, two optimization methods named Particle Swarm Optimization (PSO) and Artificial Bee Colony (ABC) have been used to overcome the problem of uncertainty and enhance the precision of forest fire spread modeling and performe two phase simulation approach for part forests of Gilan provinces. Results show that Artificial Bee Colony has higher ability than Particle Swarm Optimization in producing optimal parameters of the model.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله طاهره قایمی راد | ghaemi rad
کارشناس ارشد مهندسی سیستم های اطلاعات مکانی، دانشکده ی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

محمد کریمی |
استادیار گروه مهندسی سیستم های اطلاعات مکانی، دانشکده ی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

نشانی اینترنتی http://www.sepehr.org/article_14008_cc23ac12c8ebb08d7743ca136de38667.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات