سعید ساروئی؛ علی درویش صفت؛ منوچهر نمیرانیان
چکیده
برآورد میزان زیست‌توده در توده‌های جنگلی با روشهای سنجش از دوری اهمیت بسیاری دارد. هم‌زمان‌نبودن دریافت داده‌های ماهواره‌ای و اطلاعات میدانی و کاربرد معادلات آلومتریک جهانی، برای محاسبة وزن زیست‌تودة درختان جنگلی داخل کشور، از مهم‌ترین دلایل عدم قطعیت در نتایج و تحلیل‌های حاصل از مطالعات مشابه قبلی به‌شمار می‌روند. به‌حداقل‌رساندن ...
بیشتر
برآورد میزان زیست‌توده در توده‌های جنگلی با روشهای سنجش از دوری اهمیت بسیاری دارد. هم‌زمان‌نبودن دریافت داده‌های ماهواره‌ای و اطلاعات میدانی و کاربرد معادلات آلومتریک جهانی، برای محاسبة وزن زیست‌تودة درختان جنگلی داخل کشور، از مهم‌ترین دلایل عدم قطعیت در نتایج و تحلیل‌های حاصل از مطالعات مشابه قبلی به‌شمار می‌روند. به‌حداقل‌رساندن این مشکلات و بررسی قابلیت و عملکرد داده‌ها در توسعة مدل مناسب برآورد زیست‌تودة جنگل، در منطقة بانکول بخش کارزان شهرستان سیروان، استان ایلام، با استفاده از داده‌های راداری ماهوارة سنتینل‌ـ1، اخذشده در تاریخ 6 تیرماه 1396، هدف این تحقیق بود. اندازة قطر میانگین تاج‌پوشش درختان در 53 قطعه نمونة زمینی مربعی، مربوط به فرم رویشی شاخه‌زاد، به ابعاد 30×30 متر که در بازة زمانی 2 تا 20 خرداد 1396، به‌کمک دستگاه موقعیت‌یاب جهانی تفاضلی و به‌روش تعیین موقعیت کینماتیک آنی روی زمین اجرا و برداشت شدند، وارد روند برآورد زیست‌توده شد. میانگین زیست‌تودة برداشت‌شدة میدانی 10.63 تن‌درهکتار بود. پس از استخراج ویژگی‌های راداری، آن دسته از ویژگی‌ها که بیشترین میزان همبستگی را با مقادیر زیست‌توده داشتند انتخاب و از بین آنها، با به‌کارگیری الگوریتم ژنتیک و با استفاده از دو مدل رگرسیون K نزدیک‌ترین همسایه و رگرسیون بردار پشتیبان، مناسب‌ترین ترکیب ویژگی‌ها شناسایی و سپس، مقادیر زیست‌توده مدل‌سازی شد. اعتبارسنجی مدل‌ها با استفاده از 26 قطعه نمونة تست، انجام گرفت. همبستگی بین ویژگی‌های حاصل از داده‌های راداری و مقادیر زیست‌توده نشان داد که ویژگی‌های VH، Mean VV، Mean VV GLCM (Correlation) و Mean VH GLCM (Dissimilarity) بیشترین حساسیت را به مقادیر زیست‌توده داشتند. استفاده از مدل‌های رگرسیون نشان داد که روش رگرسیون بردار پشتیبان، با RMSE نسبی 0.08، از روش رگرسیون K نزدیک‌ترین همسایه، با RMSE نسبی 0.10، دقیق‌تر عمل کرده است. از بین ترکیب‌های ویژگی مورد بررسی نیز، بهترین ترکیب در حالت استفاده از رگرسیون K نزدیک‌ترین همسایه، دارای RMSE به‌میزان تقریبی 0.99 تن‌درهکتار (معادل10%) و ضریب تعیین 0.23 و در حالت استفاده از رگرسیون بردار پشتیبان، دارای RMSE به‌میزان 0.87 تن‌درهکتار (معادل 8%) و ضریب تعیین 0.14 بود. مدل‌های نهایی حاصل از ترکیب ویژگی‌های بهینة استخراج‌شده از دادة راداری در طول موج باند C و روشهای رگرسیونی پارامتری و غیرپارامتری مورد بررسی در این تحقیق به‌تنهایی قادر به بهبود اثر اشباع‌شدگی در داده، برای برآورد زیست‌توده در جنگل‌های مورد مطالعه، نبودند و منجر به پیشنهاد مدل برآوردکننده‌ای با صحت قابل‌قبول نشد.
مهران شایگان؛ مرضیه مکرم
چکیده
آبراهه‌ها، زهکش در یک حوضه آبخیز محسوب می‌شوند که تاثیر زیادی بر روی ویژگی‌های فیزیوگرافی، هیدرولوژی، فرسایش و رسوب یک حوضه آبخیز دارند. هدف از این مطالعه، استفاده از مدل جاذبه به منظور افزایش قدرت تفکیک مکانی مدل رقومی ارتفاع (DEM) و استفاده از الگوریتم ژنتیک به منظور پیش‌بینی آبراهه‌ها در آینده و مقایسه نتایج آن با خطوط آبراهه ...
بیشتر
آبراهه‌ها، زهکش در یک حوضه آبخیز محسوب می‌شوند که تاثیر زیادی بر روی ویژگی‌های فیزیوگرافی، هیدرولوژی، فرسایش و رسوب یک حوضه آبخیز دارند. هدف از این مطالعه، استفاده از مدل جاذبه به منظور افزایش قدرت تفکیک مکانی مدل رقومی ارتفاع (DEM) و استفاده از الگوریتم ژنتیک به منظور پیش‌بینی آبراهه‌ها در آینده و مقایسه نتایج آن با خطوط آبراهه مستخرج از DEM با قدرت تفکیک ۳۰ متر است. برای استخراج DEMهای با قدرت تفکیک بالاتر، در مدل جاذبه برای تولید زیرپیکسل ها از مقیاس ۳ و مدل همسایگی چهارگانه که دارای دقت بالاتری هستند استفاده شد. از DEM حاصل از مدل جاذبه، به عنوان داده ورودی برای پیش‌بینی و استخراج آبراهه‌های منطقه مورد مطالعه با استفاده از الگوریتم ژنتیک در آینده استفاده شد. در الگوریتم ژنتیک، بهینه‌سازی و پیش‌بینی شبکه‌های رودخانه بر اساس تابع «نیروی جریان» و با ایجاد تغییرات در بالا آمادگی‌ها و رسوب‌گذاری‌ها در منطقه مورد مطالعه انجام شد. نتایج حاصل از مدل جاذبه نشان داد که مقیاس ۲ با مدل همسایگی ۲ گانه دارای دقت بالاتری نسبت به دیگر همسایگی‌ها برای استخراج DEM با قدرت تفکیک بالاتر است. همچنین نتایج حاصل از الگوریتم ژنتیک، نشان دهنده تغییر درجه آبراهه‌های منطقه مورد مطالعه در طول زمان نسبت به وضع موجود است، به طوری که درجه تعدادی از آبراهه‌های درجه اول در آینده به درجه ۳ تغییر خواهد کرد که علت آن فرسایش آبراهه‌های درجه کمتر و اضافه شدن به آبراهه‌های درجه بالاتر است. از نتایج این تحقیق، می‌توان برای پیشنهاد محل‌های مناسب ایجاد بندهای انحرافی و یا محل‌های مناسب برای احداث سازه‌های مختلف با توجه به تغییرات در مورفومتری آبراهه‌ها در آینده، استفاده کرد.
بهروز مرادی؛ محمد جواد ولدان زوج؛ مجتبی جنتی؛ سمیه یاوری
چکیده
استفاده از توابع کسری، در غیاب اطلاعات افمریز مدار ماهواره و هندسه داخلی سنجنده، یکی از بهترین روش‌ها برای زمین‌مرجع‌سازی تصاویر ماهواره‌ای و استخراج اطلاعات مکانی از تصاویر ماهواره‌ای است. تعداد زیاد ترم‌ها و عدم تفسیرپذیری آنها، باعث‌شده تا تعدد نقاط کنترل مورد‌نیاز و ایجاد خطای پارامترهای اضافه، به‌عنوان مهم‌ترین ضعف‌های ...
بیشتر
استفاده از توابع کسری، در غیاب اطلاعات افمریز مدار ماهواره و هندسه داخلی سنجنده، یکی از بهترین روش‌ها برای زمین‌مرجع‌سازی تصاویر ماهواره‌ای و استخراج اطلاعات مکانی از تصاویر ماهواره‌ای است. تعداد زیاد ترم‌ها و عدم تفسیرپذیری آنها، باعث‌شده تا تعدد نقاط کنترل مورد‌نیاز و ایجاد خطای پارامترهای اضافه، به‌عنوان مهم‌ترین ضعف‌های توابع کسری وابسته به زمین شناخته شوند. استفاده از الگوریتم‌های بهینه‌سازی، یکی از راهکار‌های مناسب رفع این ضعف‌ها است. به‌همین‌دلیل از الگوریتم‌های بهینه‌سازی مختلف، برای کشف ترکیب بهینه ترم‌های توابع کسری وابسته به زمین استفاده شده است. از آنجا که سازوکار هریک از این الگوریتم‌ها با یکدیگر متفاوت است، میزان کارایی و خصوصیات مختلف این الگوریتم‌ها در کشف ترکیب بهینه ترم‌های توابع کسری وابسته به زمین متفاوت است اما تفاوت‌های موجود به‌صورت جامع، مورد مقایسه و تحلیل قرار نگرفته است. در این مقاله، به‌منظور بررسی کامل و جامع توانایی‌های سه الگوریتم بهینه‌سازی ژنتیک، ژنتیک بهبودیافته و ازدحام ذرات بهبودیافته در کشف ترکیب بهینه ترم‌های توابع کسری از دیدگاه‌های مختلف از جمله دقت، سرعت، تعداد نقاط کنترل مورد نیاز و قابلیت اطمینان به نتایج بدست آمده، از 4 تصویر ماهواره‌ای متعلق به سنجنده‌های GeoEye-1، IKONOS-2، SPOT-3-1ª و SPOT-3-1B استفاده شده است. اختلاف دقت کمتر از 4/0 پیکسل در نتایج هر یک از الگوریتم‌های بهینه‌سازی، 10 تا 12 برابر‌بودن سرعت الگوریتم ژنتیک بهبودیافته نسبت به دو الگوریتم دیگر، به ترتیب برتری 25/45 و 27 درصدی درجه آزادی الگوریتم بهینه‌سازی ازدحام ذرات بهبودیافته نسبت به الگوریتم ژنتیک بهبودیافته و ژنتیک و پراکندگی نسبتا یکسان نتایج هر یک از الگوریتم‌ها در 10 بار اجرای برنامه، حاکی از آن است که دقت هر سه الگوریتم بهینه‌سازی نسبتا یکسان، سرعت الگوریتم ژنتیک بهبودیافته بیشتر، تعداد نقاط کنترل مورد نیاز الگوریتم ازدحام ذرات بهبودیافته کمتر از دو الگوریتم دیگر و قابلیت اطمینان به نتایج هر یک از الگوریتم‌های بهینه‌سازی به منظور کشف ترکیب بهینه ترم‌های توابع کسری وابسته به زمین، یکسان است.
وحید احمدی؛ عباس علیمحمدی؛ جلال کرمی
دوره 9، شماره 2 ، اسفند 1396، ، صفحه 61-78
چکیده
مدیریت و برنامه‌ریزی آب شهری، به‌ویژه در کلان‌شهر‌ها، اهمیت بسیار زیادی دارد. توسعة مناطق شهری، تبدیل شهرها به کلان‌شهر و افزایش پیچیدگی عوامل تأثیرگذار در مصرف آب در شهرها سبب دشواری مدیریت مصرف، تأمین و توزیع آب شده است. بنابراین، استخراج قوانین نقش مهمی در کشف الگو‌های حاکم بر مجموعة داده و کاهش پیچیدگی‌ها دارد. اصل نظریة ...
بیشتر
مدیریت و برنامه‌ریزی آب شهری، به‌ویژه در کلان‌شهر‌ها، اهمیت بسیار زیادی دارد. توسعة مناطق شهری، تبدیل شهرها به کلان‌شهر و افزایش پیچیدگی عوامل تأثیرگذار در مصرف آب در شهرها سبب دشواری مدیریت مصرف، تأمین و توزیع آب شده است. بنابراین، استخراج قوانین نقش مهمی در کشف الگو‌های حاکم بر مجموعة داده و کاهش پیچیدگی‌ها دارد. اصل نظریة مجموعه‌های راف، که پائولاک در دهة 80 مطرح کرد، روشی توانمند و انعطاف‌پذیر در پردازش داده‌های دارای عدم قطعیت شمرده می‌شود و در این تحقیق، به‌منظور استخراج قوانین حاکم بر مصرف آب، به‌کار رفته است. در این تحقیق، از روش ترکیب الگوریتم‌های مجموعه‌های راف و ژنتیک از روشهای داده‌کاوی، برای بهبود استخراج قوانین و طبقه‌بندی داده‌های آب مصرفی، با کاربری مسکونی در شهر تهران به‌منزلة منطقة مورد مطالعه استفاده شده است. داده‌های مورد استفاده در این تحقیق شامل داده‌های اجتماعی‌ـ اقتصادی، محیطی، اقلیمی و فنی‌ـ مدیریتی می‌شوند. این داده‌ها به دو زیرمجموعه، شامل 60% با هدف آموزش و 40% به‌قصد ارزیابی نتایج، تقسیم شدند. نتایج نشان می‌دهند که تلفیق الگوریتم‌های ژنتیک و مجموعه‌های راف کارآیی بالاتری برای استخراج مؤثر قوانین از داده‌های مصرف آب شهر تهران را دارند. دقت طبقه‌بندی مجموعه دادة آزمون، ازطریق قوانین استخراج‌شده از مجموعه‌های راف، 77% بود. پس از بهینه‌سازی قوانین با استفاده از الگوریتم ژنتیک در مجموعه‌های راف، دقت طبقه‌بندی در نسل ششم، با سرعت همگرایی متوسط، به 88% و در نسل دهم، به 92% افزایش یافت. براساس قوانین استخراج‌شده، عوامل مؤثر در مصرف سالیانة آب به‌ترتیب میزان تأثیرگذاری، جمعیت ساکن، آب‌بها، تراکم جمعیت در واحد سطح، بعد خانوار، موقعیت مکانی (عرض جغرافیایی)، تحصیلات ساکنان و سرانة فضای سبز به‌شمار می‌روند.
فرامرز سرمدی؛ حمید عبادی؛ علی محمدزاده
دوره 7، شماره 2 ، بهمن 1394، ، صفحه 55-68
چکیده
آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه‌ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می‌توان از آن در آشکارسازی تغییرات اراضی استفاده کرد. یکی از چالش‌های موجود در این زمینه توسعة روشهای کارآمد به‌منظور آشکارسازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی ...
بیشتر
آشکارسازی تغییرات پوشش اراضی برای پایش رشد شهرها و برنامه‌ریزی مسئولانه در مورد آنها امری ضروری است. سنجش از دور فناوری قدرتمندی است که می‌توان از آن در آشکارسازی تغییرات اراضی استفاده کرد. یکی از چالش‌های موجود در این زمینه توسعة روشهای کارآمد به‌منظور آشکارسازی تغییرات با سطح خودکارسازی بالاست که بتواند اطلاعاتی صحیحی در مورد موقعیت جغرافیایی و ماهیت این تغییرات ارائه کند. در پژوهش حاضر با استفاده از دو تصویر GeoEye منطقة 17 شهر تهران مربوط به سال‌های 2004 و 2010 از ویژگی‌های مکانی متن تصویر، شبکه‌های عصبی و الگوریتم ژنتیک برای آشکارسازی تغییرات استفاده شد. شش حالت مختلف، هریک با دو رویکرد طبقه‌بندی مستقیم چندزمانی و مقایسة پس از طبقه‌بندی، از دیدگاه صحت آشکارسازی و زمان اجرای الگوریتم مورد مقایسه قرار گرفتند. بررسی‌های انجام‌شده نشان دادند که رویکرد طبقه‌بندی مستقیم چندزمانی در هر شش حالت نتایج بهتری ارائه کرده است. همچنین در بین شش حالت بررسی‌شده، عملکرد حالت ششم (روش پیشنهادی این تحقیق) از نظر صحت طبقه‌بندی بهتر است. در حالت ششم پس از انتخاب بهینة ویژگی‌ها، طبقه‌بندی مبتنی بر شبکه‌های عصبی با تعیین معماری شبکه و با چندین بار اجرا صورت می‌گیرد. هرچند زمان اجرای این روش درمقایسه با دیگر حالت‌های بررسی‌شده بیشتر است، اما درصورتی‌که صحت طبقه‌بندی به زمان ارجحیت داشته باشد این روش کاملاً توصیه می‌شود
ندا کفاش چرندابی؛ علی‌اصغر آل‌شیخ؛ گلبرگ کامروز خدایار
دوره 5، شماره 3 ، آذر 1392
چکیده
انسان از دیرباز برای حل مسائل پیچیده، از جهان زندة پیرامونش الهام گرفته است. این امر آشکارا در توسعة الگوریتم‌های مختلف تقریبی، از نظریة تکاملی داروین تا الگوریتم‌های مختلف هوش جمعی، دیده می‌شود. مسئلة فروشنده دوره‌گرد از مسائلی است که می‌توان آن را با الگوریتم هوش جمعی به چالش کشید. در پژوهش حاضر ابتدا با ارزیابی و تنظیم صحیح ...
بیشتر
انسان از دیرباز برای حل مسائل پیچیده، از جهان زندة پیرامونش الهام گرفته است. این امر آشکارا در توسعة الگوریتم‌های مختلف تقریبی، از نظریة تکاملی داروین تا الگوریتم‌های مختلف هوش جمعی، دیده می‌شود. مسئلة فروشنده دوره‌گرد از مسائلی است که می‌توان آن را با الگوریتم هوش جمعی به چالش کشید. در پژوهش حاضر ابتدا با ارزیابی و تنظیم صحیح پارامترهای مؤثر در الگوریتم بهینه‌سازی کلونی مورچهها، الگوریتم هوش جمعی بهبود مییابد. سپس روشی ترکیبی برای حل دودویی مسئله فروشندة دوره‌گرد در مقیاس بزرگ و برمبنای الگوریتم بهبودیافته کلونی مورچهها و عملگرهای الگوریتم ژنتیک ارائه می‌شود. به‌منظور بررسی کیفیت جوابهای بهدستآمده، نتایج روش پیشنهادی با نتایج دو الگوریتم بهینه‌سازی کلونی مورچهها و الگوریتم ژنتیک در مسیریابی بین مراکز استانها مقایسه می‌شود. این مقایسه بهبود در جوابها، کاهش زمان اجرای الگوریتم، و کاهش حجم لازم برای ذخیرهسازی جوابهای بهدستآمده در شرایط گوناگون را نشان میدهد. با توجه به پایداری و بهینگی نتایج حاصل از الگوریتم مورچة بهبودیافته و اهمیت افزایش خدمات در سامانه اطلاعات مکانی، کاربرد الگوریتم پیشنهادی در صنعت توریسم مطرح می‌شود.
محمدرضا رجبی؛ علی منصوریان؛ محمد طالعی؛ عباس علیمحمدی سراب
دوره 4، شماره 4 ، اسفند 1391
چکیده
مسیریابی یکی از مسائل بسیار پرکاربرد GIS است که هدف اصلی آن یافتن بهترین مسیر گذرنده از یک سری موقعیت های از پیش تعیین شده است. این فرایند می تواند تأثیر بسزایی در تصمیم گیری های حساس مکانی داشته باشد. به همین دلیل از دیرباز تحقیقات بسیاری در مورد بهینه سازی این مسئله با استفاده از الگوریتم های مختلف صورت گرفته است. مسئله فروشنده دوره ...
بیشتر
مسیریابی یکی از مسائل بسیار پرکاربرد GIS است که هدف اصلی آن یافتن بهترین مسیر گذرنده از یک سری موقعیت های از پیش تعیین شده است. این فرایند می تواند تأثیر بسزایی در تصمیم گیری های حساس مکانی داشته باشد. به همین دلیل از دیرباز تحقیقات بسیاری در مورد بهینه سازی این مسئله با استفاده از الگوریتم های مختلف صورت گرفته است. مسئله فروشنده دوره گرد یکی از مسائل بسیار کهن در علوم کاربردی است که پیش از پیدایش GIS نیز مطرح بوده است. این مسئله با ظهور فناوری های جدید مانند GIS کاربردهای بسیاری یافته و روش های جدیدی نیز برای حل آن پیشنهاد شده است. الگوریتم های تکاملی (ژنتیک) یکی از روش هایی هستند که برای حل مسائل بهینه سازی مختلف به کار گرفته می شوند. تحقیقات نشان داده است که تلفیق روش های جست و جوی محلی (Local Search) با عملگرهای ژنتیک می تواند منجر به نتایج بهتری در حل مسئله فروشنده دوره گرد شود. در نوشتار حاضر، روشی تازه و ابتکاری برای حل مسئله مسیریابی ارائه و پیاده سازی شده است. در این روش با بهره گیری از مفهوم مرکز هندسی به برازش چندضلعی ها با رئوس شهرها، به گونه ای پرداخته شده است که مسیر نهایی محدب ترین چندضلعی باشد. این الگوریتم با رویکردی پوششی با جهت بیرونی- درونی بزرگ ترین دایره محیطی شهرها را به کوچک ترین چند ضلعی محدب ممکن تبدیل می کند. همچنین با استفاده از جست و جوی محلی مبتنی بر الگوریتم ژنتیک و روش نزدیک ترین همسایه (NN)، به حل مسئله مسیریابی فروشنده دوره گرد پرداخته شده است. ارزیابی نتایج حاصل از روش پیشنهادی با نتایج حاصل از روش های ژنتیکی، جست و جوی محلی و نزدیک ترین همسایه حاکی از این بود که روش پیشنهادی، سرعت و دقت بالایی را در تولید مسیرهای نهایی ارائه می کند. بررسی نتایج نهایی ژنتیک با روش ابتکاری نشان داد که این الگوریتم همواره نمی تواند به جواب های بهتری برسد. مثلاً در تعداد 25 بار اجرای جداگانه ی جست و جوی ژنتیک، 3/69 درصد از جواب ها از جواب روش پیشنهادی، بهتر نبودند. از طرف دیگر روش پیشنهادی می تواند چندین هزار برابر سریع تر از الگوریتم قدرتمند ژنتیک جواب های نهایی را تولید کند.
بهشید خدایی؛ جلال امینی؛ مهدی مؤمنی
دوره 3، شماره 4 ، اسفند 1390
چکیده
در مقاله حاضر یک روش بدون نظارت برای آشکارسازی تغییرات در تصاویر ماهواره ای رادار با روزنه ترکیبی (SAR) معرفی می شود. اساس این روش جست و جوی بهینه در فضای جواب های ممکن با اتکا بر الگوریتم ژنتیک است. برای این منظور یک تابع هزینه بر اساس معیار کمترین میانگین مربعات خطا و با در نظر گرفتن تصویر نسبت به دست آمده از تصاویر مشاهده شده ی غیر هم ...
بیشتر
در مقاله حاضر یک روش بدون نظارت برای آشکارسازی تغییرات در تصاویر ماهواره ای رادار با روزنه ترکیبی (SAR) معرفی می شود. اساس این روش جست و جوی بهینه در فضای جواب های ممکن با اتکا بر الگوریتم ژنتیک است. برای این منظور یک تابع هزینه بر اساس معیار کمترین میانگین مربعات خطا و با در نظر گرفتن تصویر نسبت به دست آمده از تصاویر مشاهده شده ی غیر هم زمان از ناحیه جغرافیایی یکسان، معرفی می شود. به منظور کاهش مدت زمان همگرایی الگوریتم به جواب بهینه، از پنجره ی متحرک با ابعاد مناسب به منظور انتخاب نواحی مختلف از تصویر نسبت با احتمال وجود پیکسل های تغییر یافته، استفاده می شود. این کار افزون بر ایجاد امکان مدیریت حجم محاسباتی و زمان اجرای الگوریتم، توانایی مدیریت نویز لکه ای را نیز فراهم می کند. به این ترتیب که می توان نواحی یکنواخت نویزی محصور در یک پنجره ی انتخاب را تشخیص داد و آن را از فرایند آشکارسازی حذف کرد. علاوه بر این، استفاده از روش های پیش پردازشی کاهش نویز مانند اعمال فیلتر تطبیقی وینر، برای بهبود روند آشکارسازی استفاده شده است. نتایج به دست آمده از پیاده سازی الگوریتم توسعه یافته، حاکی از کاهش زمان اجرای الگوریتم و مدیریت آن با حفظ دقت مطلوب، در مقایسه با روش پیشین آشکارسازی تغییرات به کمک الگوریتم ژنتیک است. به منظور بررسی عملکرد الگوریتم از دو مجموعه داده استفاده می شود. مجموعه اول شامل تصاویر شبیه سازی شده با در نظر گرفتن نویز لکه ای و مجموعه دوم شامل تصاویر سنجنده ASAR ماهواره Envisat، دریافت شده از منطقه تأثیر گرفته از سونامی اخیر کشور ژاپن است. استفاده از روش پیشنهادی در آشکارسازی تغییرات به روش پیکسل مبنا و بر روی مجموعه داده فوق، دقت آشکارسازی در حدود 94 درصد در مقایسه با کل پیکسل های تصویر را به دست داد.
نازیلا محمدی؛ محمدرضا ملک؛ علی اصغر آل شیخ
دوره 3، شماره 3 ، آذر 1390
چکیده
اهمیت مکان یابی و تخصیص صحیح منابع در صرفه جویی هزینه و بهبود کارایی در ارائه خدمات، موضوعی است که مقالات و تحقیقات فراوانی در خصوص آن انجام شده است. دسته بندی های مختلفی نیز برای این مسائل پذیرفته است. هر یک از دسته بندی های موجود، این مسائل را از دیدگاه خاصی مورد بررسی قرار می دهند. در چارچوب تحقیق حاضر، مسائل مکان یابی و تخصیص منابع ...
بیشتر
اهمیت مکان یابی و تخصیص صحیح منابع در صرفه جویی هزینه و بهبود کارایی در ارائه خدمات، موضوعی است که مقالات و تحقیقات فراوانی در خصوص آن انجام شده است. دسته بندی های مختلفی نیز برای این مسائل پذیرفته است. هر یک از دسته بندی های موجود، این مسائل را از دیدگاه خاصی مورد بررسی قرار می دهند. در چارچوب تحقیق حاضر، مسائل مکان یابی و تخصیص منابع مرتبط با اشیای متحرک به عنوان دسته ای از مسئله های مکان یابی و تخصیص منابع، مطرح و به سه دسته اصلی تقسیم بندی شده اند. در مقاله حاضر دسته ی پرکاربردی از مسائل مذکور به صورت مسئله بهینه سازی ریاضی فرمول بندی شده و روش حلی بر اساس الگوریتم ژنتیک برای حل همزمان تخصیص منابع و تعیین ترتیب ارائه خدمات مطرح شده است. به منظور ارزیابی کارایی روش پیشنهادی، مسئله نمونه ای مرتبط با اشیای متحرک طرح و با دو روش رایج و پیشنهادی حل شده و در نهایت نتایج به صورت عددی مقایسه شده اند. نتایج حاصل از پیاده سازی، نشانگر کارایی روش حل پیشنهادی است.
حمیدرضا زورقین؛ علی اصغر آل شیخ؛ عباس علیمحمدی؛ محمدحسن وحیدنیا
دوره 3، شماره 3 ، آذر 1390
چکیده
درون یابی از جمله مهم ترین مسائل در علوم مکانی است؛ زیرا همیشه این نیاز وجود دارد که از یک حجم محدوده داده مجموعه ای از اطلاعات دقیق فراهم گردد. کریجینگ شاخص و کریجینگ شاخص نرم تقسیم می شود. الگوریتم ژنتیک در زمره ی الگوریتم های تکاملی است که برای یافتن یک جواب بهینه از مجموعه ای از جواب های بالقوه استفاده می شود. در این مقاله، از الگوریتم ...
بیشتر
درون یابی از جمله مهم ترین مسائل در علوم مکانی است؛ زیرا همیشه این نیاز وجود دارد که از یک حجم محدوده داده مجموعه ای از اطلاعات دقیق فراهم گردد. کریجینگ شاخص و کریجینگ شاخص نرم تقسیم می شود. الگوریتم ژنتیک در زمره ی الگوریتم های تکاملی است که برای یافتن یک جواب بهینه از مجموعه ای از جواب های بالقوه استفاده می شود. در این مقاله، از الگوریتم ژنتیک برای آموزش بهینه برخی از پارامترهای کریجینگ شاخص نرم با توجه به تابع هدف برای رسیدن به جواب بهینه استفاده می شود. در این تحقیق، از چهار روش کریجینگ معمولی، کریجینگ شاخص، کریجینگ شاخص نرم و کریجینگ شاخص نرم با الگوریتم ژنتیک بر یک مجموعه داده از 15 ایستگاه سینوپتیک استان مازندران استفاده گردید. داده های استفاده شده، مشاهدات بارندگی در این ایستگاه ها مربوط به بهمن ماه سال 1387 بود. با مقایسه مقادیر مشاهداتی و محاسباتی در دو حالت اعتبارسنجی متقابل و جکنایف در چهار روش ذکر شده ثابت گردید که روش کریجینگ شاخص نرم با الگوریتم ژنتیک دقیق ترین روش است. به عنوان معیار این تصمیم گیری، از میانگین قدر مطلق اختلاف بین مقادیر مشاهداتی و محاسباتی هر روش استفاده گردید. این کمیت برای روش کریجینگ شاخص نرم با الگوریتم ژنتیک برابر با 3/10 میلی متر است که نسبت به سه روش اول (3/12، 3/13 و 8/12) کمینه است.
