@article { author = {Ghehsareh Ardestani, Elham and Nafian, Mozde and Bahmani, Mohsen}, title = {Reduction of input variables in the process of modeling risk possibility of elm trees by principal component analysis}, journal = {Journal of Environmental Science Studies}, volume = {5}, number = {4}, pages = {3104-3114}, year = {2020}, publisher = {}, issn = {2588-6851}, eissn = {2645-520X}, doi = {}, abstract = {Trees can cover a wide range of environmental, aesthetic, historical, tourism benefits and social, physiological, as well as economic benefits, however, the trees can cause environmental risks. The aim of current study was to reduce the insignificant variables by methods of index criteria of tree and analysis of the main components and then using the remaining variables in the process of modeling the risk possibility falling of elm tree by Neural Network Method. For this purpose, the quantitative and qualitative variables of elm trees were collected in Seyed Alikhan Street of Isfahan by counting 100% of these trees in 2018. The results of elimination of tree diameter and contact with power transmission lines in predictive models of risk of falling dangerous trees indicated that the variables that were eliminated during the study process did not have a significant effect on predicting the risk of falling dangerous trees. This creates a significant change in the accuracy of the model training data and decrease the number of repetitions of network training to reach the optimal network and reduces the time to reach the optimal neural network. Therefore, we recommended the use of tree fall modeling for management of urban green spaces.}, keywords = {“Elm tree”,“Hazardous Trees”,“Index Criteria of Hazardous Trees”,“Principal Components Analysis”,“Neural Network”}, title_fa = {کاهش متغیرهای ورودی در فرآیند مدل‌سازی خطر سقوط درختان خطرآفرین نارون با روش تجزیه و تحلیل مولفه‌های اصلی}, abstract_fa = {درختان می‌توانند یک طیف وسیعی از منافع زیست محیطی، ارزش‌های زیباشناختی، تاریخی و گردشگری و مزایای اجتماعی، فیزیولوژیکی و اقتصادی را در بر گیرند و از طرفی دیگر این درختان باعث مخاطرات محیطی می‌شوند. هدف از این پژوهش کاهش متغیرهای کم اهمیت با روش‌های معیارهای تشخیصی خطرآفرینی درختان و تجزیه و تحلیل مولفه‌های اصلی در فرآیند مدل‌سازی ریسک سقوط درختان خطرآفرین نارون مورد مطالعه با روش شبکه عصبی است. بدین منظور به جمع‌آوری متغیرهای کمی و کیفی درختان نارون در خیابان سیدعلیخان اصفهان با روش آماربرداری صد در صد این درختان در سال 1397 پرداخته شد. نتایج حاصل از عدم حذف و حذف متغیرهای قطر درخت و تماس با خطوط انتقال برق در مدل‌های پیش‌بینی سقوط درختان خطرآفرین نشان دهنده این مطلب است که متغیرهایی که طی فرآیند مطالعه حذف شده‌اند، تاثیر قابل توجهی در پیش‌بینی سقوط درختان خطرآفرین نداشته ولی حذف متغیرهای یاد شده، باعث افزایش دقت و کاهش تعداد تکرارهای آموزش شبکه برای رسیدن به شبکه بهینه می‌شود و زمان رسیدن به شبکه عصبی بهینه، را کاهش می‌دهد. بنابراین می‌توان استفاده از مدل‌سازی سقوط درختان به منظور مدیریت فضاهای سبز شهری را پیشنهاد کرد.}, keywords_fa = {"درخت نارون","درختان خطرآفرین","معیار تشخیصی خطرآفرینی","آنالیز مولفه‌های اصلی","شبکه عصبی"}, url = {https://www.jess.ir/article_117614.html}, eprint = {https://www.jess.ir/article_117614_150f2704b2a8844ab97978926fe98d2a.pdf} }