ارائه یک روش چند معیاره تشخیص حریق مبتنی بر شبکه عصبی

چکیده

ارزیابی شدت آتش‌سوزی جنگل‌ها و مراتع با استفاده از هوش مصنوعی و داده‌های ماهواره ای دارای اهمیت ویژه جهت برنامه ریزی  ومدیریت مراتع می باشد. استان خوزستان دارای آب‌وهوایی نسبتاً نیمه‌خشک است و هر ساله تعداد زیادی حریق در آن گزارش می شود. داده‌های آتش‌سوزی شامل سطح سوخته‌شده و تعداد وقوع آتش‌سوزی می باشد. در حال حاضر بیشتر برآوردها به صورت میدانی و با ابزارهای ساده نقشه برداری همچون GPS دستی صورت می گیردکه علاوه بر هزینه بر بودن دارای خطر بالایی نیز برای افراد می باشد. این در حالی است که تاکنون در مورد استفاده از دانش شبکه های عصبی پژوهش های متعددی در علوم مختلف صورت پذیرفته است. در این پژوهش پس از گردآوری اطلاعات منطقه و داده های ماهواره ای به دنبال برآورد سطح حریق به کمک هوش مصنوعی و مقایسه حالات متنوع شبکه های عصبی مصنوعی (Multi-layer Feedforward backpropagation) و بالا بردن سطح عملکرد و نهایتا بهینه سازی ساختار مطلوب شبکه انجام می شود  که در این میان، آرایش های مختلف توابع فعالساز(بالغ بر 560 روش) مورد بحث و بررسی قرار گرفت و نهایتا آرایش Tansig-Logsig با ورودی Mnf به عنوان بهترین آرایش با صحت 99.8%  مورد پذیرش قرار گرفت.