Artificial neural network models for predicting relationships between diameter at breast height and stump diameter: Crimean pine stands at ÇAKÜ Forest

##plugins.themes.bootstrap3.article.main##

Muammer Şenyurt

İlker Ercanlı

Alkan Günlü

Ferhat Bolat

Sinan Bulut

Resumen

Este estudio presenta la función de redes neuronales artificiales (ANN) para modelar la relación entre el diámetro a la altura del pecho (dap) y el diámetro del tocón e investigar el potencial del modelo ANN para obtener la predicción de dap. Se midieron 583 diámetros totales en pares de altura del pecho-diámetro de tocón en 61 parcelas muestreadas de pino de Crimea [Pinus nigra subsp. pallasiana] del bosque experimental de ÇAKÜ, Çankırı, Turquía. Se encontró que el modelo de red que incluye las funciones de activación de la función entre la capa de entrada y la capa oculta y la función de -lin entre la capa oculta y la capa de salida (alternativa A6) con 12 neuronas # fue mejor predictivo, con valores de error más bajos, incluyendo SSE (2585.3869), AIC (821.5731), BIC (825.7817), RMSE (2.2831), MSE (5.2125) y valores de ajuste más altos, como R2adj (0.9372), que los de otros métodos de predicción. El mejor modelo predictivo de ANN resultó en la reducción de SSE, AIC, BIC, RMSE y MSE en 9.8486 %, 5.9018 %, 5.8735 %, 5.0519 % y 9.8486 %, y R2adj con aumento de 0.7377 %, en comparación con los modelo de regresión. Este estudio subraya la capacidad del modelo ANN para predecir la relación entre dap y el diámetro del tocón. Esta novedosa técnica de inteligencia artificial proporciona una alternativa de modelado para que los administradores forestales predigan la información requerida sobre dap para el manejo de los bosques.

##plugins.themes.bootstrap3.article.details##

Presentación de cómo citar
Şenyurt, M., Ercanlı, ., Günlü, A., Bolat, F., & Bulut, S. (2020). Artificial neural network models for predicting relationships between diameter at breast height and stump diameter: Crimean pine stands at ÇAKÜ Forest. BOSQUE, 41(1), 25-34. doi:10.4067/S0717-92002020000100025
Sección
Artículos