اخبار ، مقالات و تحقیقات گروهی را دنبال کنید.
آموزش مدل سازی در سیستم اطلاعات جغرافیایی (GIS) و محیط نرم افزار MATLAB – آموزش مدلسازی در GIS
این آموزش به بحث آموزش مدلسازی در GIS یا مدلسازی در سیستم اطلاعات جغرافیایی پرداخته و از نرم افزار متلب و نرم افزار اکسل نیز استفاده کرده است. فرآیندهای طبیعی محیط در هر سطح و اندازهای که رخ بدهند، اگر تهدید کننده انسان و زیرساخت های انسان ساخت باشند، مخاطره تلقی شده و نیاز به شناخت و مدیریت دارند. ناپایداری…
این آموزش به بحث آموزش مدلسازی در GIS یا مدلسازی در سیستم اطلاعات جغرافیایی پرداخته و از نرم افزار متلب و نرم افزار اکسل نیز استفاده کرده است.
فرآیندهای طبیعی محیط در هر سطح و اندازهای که رخ بدهند، اگر تهدید کننده انسان و زیرساخت های انسان ساخت باشند، مخاطره تلقی شده و نیاز به شناخت و مدیریت دارند. ناپایداری های دامنه ای یکی از این فرآیند ها است که شناخت آن کمک بسیاری در جلوگیری از خسارات می کند. مدل کردن یک فرآیند به مفهوم شناخت ابعاد و جزئیات مسئله است و مدل سازی فعالیتی است که این فرآیند را چارچوب می بخشد.
تاکنون روش های مختلفی برای مدل کردن مخاطرات محیطی توسط محققان توسعه یافته است که هر کدام برحسب توانایی ذاتی و محاسباتی خود توانسته اند نتایج مختلفی را ارائه کنند. ابتدائی ترین روش هایی که برای بحث مدلسازی در محیط سیستم اطلاعات جغرافیایی ارائه شده اند؛ روش های مبتنی بر هم پوشانی ساده و وزن دار لایه های مکانی در یک سیستم GIS است.
تکنیک های رتبه بندی و وزندهی به عوامل موجود در یک فرآیند و استفاده از آن ها در سیستم GIS توانسته است رویکرد های نوینی در بحث مدلسازی مکانی در موضوعات مختلف پیش روی محققان قرار دهد. در سال های اخیر و با رشد و توسعه روش های مبتنی بر الگوهای طبیعی، الگوریتم های ریاضی و محاسباتی الهام گرفته از این روش ها روز به روز گسترده تر و کامل تر شده اند. این تکنیک ها به محققان کمک کردند تا به تحلیل و اکتشاف در داده های مختلف بپردازند، رخداد ها را پیش بینی کنند و نحوه خروجی سیستم ها را تخمین بزنند.
در این مورد تلفیق داده های مکانی و استفاده از الگوریتم های هوشمند در بحث مدل کردن پدیده ها؛ سبب بروز روش های نوین در این زمینه و انجام تحقیقات گسترده در این حیطه گردید. از جمله این روش های هوشمند می توان به شبکه های عصبی مصنوعی اشاره کرد.
این الگوریتم بر پایه فرموله کردن توانایی مغزی و عصبی ایجاد شده است و انواع مختلفی دارد که از مهم ترین آن ها می توان به MLP, RBF, اشاره کرد. آموزش پیش رو گریزی است که سعی در معرفی روند بخشی از این فعالیت (مدلسازی) دارد که در محیط سیستم اطلاعات جغرافیایی پیگیری می شود تا به وسیله آن ارتباطی بین ابزارها در حیطه مدل سازی برقرار شود.
مشخصات محصول
- مدرس: یوسف عبادی
- تخصص: کارشناس ارشد سنجش از دور و پردازش تصاویر ماهواره ای
- موضوع: مدلسازی در سیستم اطلاعات جغرافیایی
- نرم افزار: ArcGIS – MATLAB – Excel
- فرمت: ویدئوهای آموزشی MP4
- حجم : ۵۵۰ مگابایت
- داده های تمرینی: دارد
- کد متلب: دارد
- پاورپوینت: دارد
تهیه محصول
برای خرید این محصول آموزشی بر روی گزینه زیر کلیک کرده و بلافاصله آن را دانلود نمایید.
توضیحات محصول
در این مجموعه آموزشی که با هدف یادگیری مراحل اجرایی و بخش نرم افزاری مدل سازی تهیه و آماده سازی شده است؛ پس از تهیه فاکتورهای مورد بحث و آماده سازی آنها در محیط نرم افزار ArcGIS و انتقال به محیط نرم افزار Mat LAB، اقدام به ایجاد مدل های پیش بینی کننده شبکه عصبی مصنوعی و جنگل تصادفی گردید. مدل ها توسط معیارهای ارزیابی مورد بررسی و اعتبارسنجی قرار گرفته تا برای پیش بینی مقادیر جدید کالیبره شوند. پس از این، اقدام به طی مراحلی گردید تا نقشه نهایی پیش بینی شده توسط الگوریتم در محیط نرم افزار ArcGIS قابل نمایش و تحلیل باشد.
مدل های استفاده شده در روند آموزش حاضر؛ از پرکاربرد ترین روش های داده کاوی در تحلیل های پیش بینی هستند که توانسته اند نتایج بسیار قابل قبولی در بحث مدل سازی های مکانی ارائه نمایند.
ابزارهای مورد استفاده:
در این مجموعه آموزشی به منظور تهیه و آماده سازی داده ها و مدلسازی هوشمند از نرم افزارهای ArcGIS و Mat LAB استفاده شده است. نرم افزار متلب محیط برنامه نویسی شناخته شده ای مخصوصا برای کسانی که در حیطه مدلسازی هوشمند فعالیت می کنند، است. در این نرم افزار توابع مختلفی برای پیاده سازی روش های هوشمند هم چون شبکه های عصبی مصنوعی، الگوریتم های مبتنی بر درخت های تصمیم و… وجود دارد.
علاوه بر محیط برنامه نویسی؛ تولباکس های مختلفی برای پیاده سازی روش های مختلف وجود دارد که می توان مورد استفاده قرار داد. ArcGIS را می توان شناخته شده ترین نرم افزار در حوزه تحلیل های مکانی در سطح جهان به شمار آورد که دارای امکانات بسیار کاربردی ای در زمینه تحلیل و مدل سازی مکانی می باشد.
عناوین آموزشی مدل سازی در GIS:
عناوین آموزش داده شده در محصول مدل سازی در GIS عبارت اند از:
- روش تهیه و آماده سازی فاکتور های مدلسازی
- تهیه و آماده سازی مجموعه داده هایی که در مدل سازی مورد استفاده هستند
- روش انتقال و فراخوانی داده های مدلسازی در نرم افزار متلب
- روش آماده سازی و تقسیم بندی داده ها
- اجرای الگوریتم شبکه عصبی مصنوعی و روش ایجاد کد شبکه
- اجرای الگوریتم جنگل تصادفی
- آموزش اعتبارسنجی الگوریتم ها به کمک معیار های ارزیابی
- نحوه رتبه بندی و بررسی اهمیت نسبی فاکتورهای مورد استفاده در مدل ها
- آماده سازی داده های منطقه برای ورود به مدل سازی برای تهیه نقشه در محیط ArcGIS
- فراخوانی و اجرای الگوریتم ها بر روی داده های تست
- نحوه انتقال نتایج مدل ها به نرم افزار ArcGIS
- بصری سازی نهایی نتایج و تهیه نقشه خطرپذیری
مزیت این محصول
این مجموعه آموزشی که مشابه آن در داخل کشور وجود ندارد، به صورت کاملا کاربردی و پروژه محور به روش عملی انجام مدل سازی در محیط دو نرم افزار قدرتمند MatLAB و ArcGIS پرداخته است. به نحوی که فردی با کمترین آشنایی و تجربه کاری در ArcGIS و متلب قادر خواهد بود پس از مشاهده و تمرین یک پروژه کامل مدل سازی را انجام دهد.
مزیت اصلی این آموزش در تلفیق و استفاده از این دو ابزار در فرآیند کار است، که بر جنبه کاربردی بودن و عملی بودن آن می افزاید.
تهیه محصول
برای خرید این محصول آموزشی بر روی گزینه زیر کلیک کرده و بلافاصله آن را دانلود نمایید.
لینک های مفید
- ساماندهی داده های حجیم در گستره علوم محیطی در MATLAB
- آموزش مدل سازی در GIS به زبان Python در تهیه نقشه خطرپذیری سیلاب
- آموزش ویدئویی مدل سازی تغییرات کاربری اراضی با رگرسیون لجستیک
نوشته های مرتبط :
آموزش های رایگان پیشنهادی :
آموزش جامع و رایگان ENVI با امیرحسین احراری
2,528 بازدید
آموزش ثبت نام در USGS با جزئیات کامل
1,315 بازدید
وبینار فرمول یادگیری سنجش از دور
394 بازدید
25 دیدگاه. ارسال دیدگاه جدید
با سلام.من برای انجام شبکه عصبی دو نوع متعیر دارم.دیتای زمینی که به عنوان متغیر مستقل به کار میره و یه سری شاخص که از تصاویر رادار به دست اومده و به عنوان متغیر وابسته استفاده میشه..یعنی دو نوع ورودی داریم برا متلب.میشه لطفا بفرمایید این فیلم که مدرسش شما هستین به درد کار من میخوره یا نه؟
با سلام
در این آموزش، مدلسازی ما در همین حول پیش رفته، چندین متغیر به عنوان متغیر مستقل و یک متغیر وابسته؛ که البته با توجه به ماهیت موضوع؛ به صورت باینری اماده سازی و توسط شبکه ترین و تست انجام گرفته. درصورتی که متغیر وابسته غیر باینری هم باشن، توسط شبکه میتونن برآورد بشن.
در مورد کار شما باید ابتدا دید فلوچارت کار به چه شکلی هست، تا نحوه ایجاد ماتریس های مدل مشخص بشه. اما به صورت کلی اگر قرار هست یک تعداد متغیر رو برای پیش بینی یک یا چند پارامتر استفاده کنید، این محصول به کار شما خواهد آمد.
اگر مایل هستید، مقاله پایه ای که بر طبق اون پیش کار می کنید را برای بنده ایمیل کنید، تا بررسی کنم.
yousef.ebadi1373@gmail.com
باسلام.اموزش شما برای چه رشته هایی مفید هست ؟
رشته من محیط زیست هست و میخواستم بدونم که چه موضاعتی در رابطه با اموزش شما میشود تعریف کرد؟
باسلام و احترام
در این آموزش ما به بحث شبکه عصبی مصنوعی و کاربرد آن به طور خاص در ناپایداری دامنه ای پرداخته ایم. اما همانطوری که می‌دانید مدل شبکه های عصبی کاربردهای زیادی در علوم مختلف دارند. به عبارتی در هر علمی که داده ها مورد تجزیه و تحلیل قرار می‌گیرند، پیش بینی و طبقه بندی می‌شوند، می‌توان از روش شبکه های عصبی بهره برد. به طور خاص تر در رشته های محیط زیست و منابع طبیعی، و رشته های مرتبط به علوم زمین، چون با داده ها هم سرکار داریم، می‌توان از روش های رگرسیون و طبقه بندی این مدل استفاده کرد. پیش بینی کیفیت و کمیت متغیرهای آب، خاک، پوشش گیاهی و… و هر موضوعیتی که به نوعی درصدد تحلیل آن هستیم. پیش بینی روند تغییرات انواع آلودگی ها برپایه مشاهدات محدودی که در دسترس است، و پیش بینی و تخمین هر نوع متغیری که به نوعی در محیط موثر است.
هدف این آموزش، استفاده از دو ابزار مهم در بحث مطالعات محیطی و نحوه استفاده از آنها در پیشبرد یک موضوعیت خاص است، که با یادگیری مراحل عملی و نرم افزاری قابلیت تعمیم بر بسیاری از موضوعات را داراست. در مورد اینکه چه موضوعاتی قابل طرح است، ابتدا می‌بایست مطالعات پیشینی که در رشته تخصصی شما، به کمک این روش‌ها و یا سایر روش‌های پیش بینی و تخمین انجام گرفته است را مطالعه کنید، و پس از آن کاملا متوجه خواهید شد این روش‌ها به چه شکلی در تخصص تان قابل استفاده است.
اگر سوال یا موردی در زمینه این توضیحات داشتید، توسط ایمیل زیر می توانید طرح کنید.
موفق و سربلند باشید.
yousef.ebadi1373@gmail.com
باسلام و وقت بخیر
بنده ی سوال داشتم
دو پروژه که اولی پهنه بندی سیلاب با mlpهست و دومی مدلسازی کیفیت هوا با rbfهست را باید انجام بدم .میخواستم بدونم ایا این اموزش میتونه برای انجام این دو پروژه ب من کمک کنه ؟؟؟؟ممنون میشم اگر راهنمایی کنید .
سلام وقتتون بخیر
من کد رتبه بندی پارامترهارو اجرا میکنم ولی در خروجی نمودار میله ای رتبه بندی نشون داده نمیشه
لطفا راهنمایی بفرمایید
سلام وقتتون بخیر
من کد رتبه بندی پارامترهارو اجرا میکنم ولی در خروجی نمودار میله ای رتبه بندی نشون داده نمیشه
به علامت ٭. خطا میده
لطفا راهنمایی بفرمایید
با سلام
از طریق ایمیل با بنده در ارتباط باشید تا بررسی کنم.
yousef.ebadi1373@gmail.com
با سلام و احترام
ممنون از آموزش کاربردی و مفیدتون ولی یک انتقادی که داشتم از این محصول اینه که لطفا قبل از تهیه فیلم آمادگی لازم جهت توضیحات را داشته باشید تا وسط آموزش اینقد توپوق نزنید و همین طور جمله بندی ها تون کامل باشه و توضیحاتتون بجا و صحیح باشه.
باز هم منتظر آموزش های بهتر و کاربردی تون هستیم
باسلام
سپاس از نقد خوب و سازنده تون
حتما سعی خواهیم کرد در آموزش های بعدی این موارد رو رعایت کنیم.
سلام ممنون از ویدیو کاربردیتون ، من همه شو اوکی کردم فقط لایه کاربری اراضی رو با چه روشی به هر کلاس به جای توصیفی ارزش عددی بهش دادید.چون همه لایه هام برای فیلد extraction میان بجز لایه ی کاربری اراضی. و توی قسمت ریکلاسیفای هم نمیاد که طبقه بندی براش انجام بدم .
با سلام
ممنون از نقطه نظر مثبت تون
اینکار رو در arcgis انجام دادیم، یعنی به ازای هر کاربری یک عدد صحیح اختصاص دادیم. اگر لایه کاربری شما به صورت وکتوری و شیپ فایل هست، می‌بایست به فرمت رستری تبدیل بشه، تا بشه مقادیر عددی رو بهش مختص کرد.
اگر احیانا سوالی در این مورد بود، میتونید از طریق ایمیل زیر با بنده در ارتباط باشید.
yousef.ebadi1373@gmail.com
با سلام خدمت شما ، آیا امکان استفاده از این محصول برای سایر کاربردها مثل تعیین پارامترهای تاثیر گذار بر دمای سطح زمین در یک ناحیه شهری امکان پذیر است؟
سلام
وقت شما بخیر
این آموزش برای تهیه نقشه خطرپذیری زمین لغزش تهیه شده، که البته برای مطالعات مشابه دیگر هم قابل استفاده است. در مورد تعیین پارامترهای مربوط به دمای زمین، باید مطالعات مشابه را بررسی کرد، اگر روال کار به صورت رگرسیون تعریف شده، یعنی یکسری فاکتور موثر با هم ترکیب و به دمای سطح زمین می رسند، بله می شود از روش مورد استفاده در این آموزش استفاده کرد، دما را به کمک فاکتورهای موثر پیش بینی و در نهایت فاکتورهای موثر ورودی را از نظر رتبه و اهمیت پیش بینی خروجی تعیین کرد.
اگر مقاله نمونه ای در این زمینه دارید برای بنده ایمیل کنید تا یک بررسی اجمالی داشته باشیم و به یک جمع بندی برسیم.
yousef.ebadi1373@gmail.com
با سلام خدمت شما بله حتما ممنون
با سلام و تشکر از آموزش خوبتون . من تو قسمتی که لایه های رستری رو فراخوانی کردید و براساس فایل اکسل Sort می کنید مشکل دارم و برای منم اصلا امکان جابه جایی لایه ها وجود نداره . آیا باید کار خاصی انجام بدم تا این امکان برای منم مهیا بشه ؟ مرسی از پاسخگویی تون
با سلام. ممنون از نقطه نظر مثبت تون.
لطفا در واتساپ پیام بدید تا مشکل رو بررسی و به کمک هم رفع کنیم.
09142163918
خیلی معذرت میخوام بابت تاخیر در پاسخگویی🙏🌷
با سلام و احترام. حضرتعالی یک آموزش مشابه هم در پایتون دارید با نام آموزش مدلسازی خطر سیلاب با استفاده از الگوریتم یاد گیری ماشین در GIS با پایتون.بنده محصول مدلسازی در Arcgis در محیط متلب را خریداری کردم ولی فایلی که برای من ارسال کردند در محیط پایتون می باشد. چند بار هم مکاتبه کردم ولی پاسخ قانع کننده ای دریافت نکردم. در نهایت پاسخ دادن که این محصول آموزشی شامل مدلسازی در متلب با استفاده از زبان پایتون هست که باعث سردرگمی بیشتر شد. خواهشمندم در این خصوص راهنمایی بفرمایید. با سپاس.
با سلام، من این آموزش را خریداری کردم اما فایل های ارسالی به بنده مدلسازی خطر سیلاب با استفاده از الگوریتم یاد گیری ماشین در GIS با پایتون هستش لطفا هر چه سریعتر پیگیری بفرمایین که من باید چیکار کنم الان .
با عرض سلام
لطفا ایمیل خود را بررسی کنید.
سلام آیا میشه این کدها رو در متلب گذاشت با یکسری تغییرات واسه جای دیگه استفاده کرد؟
سلام
بله. محدود به یک منطقه خاصی نیست. روش شناسی تشریح میشه، و شما میتونید برای هر نقطه از کره زمین کار مدلسازی تون رو انجام بدید. هیچ کدام از آموزش ها محدودیتی از این نظر ندارند.
سلام من محصول تهیه کردم اما دانلود نمیشه با IDW هم امتحان کردم ولی اصلا چیزی برای دانلود نمیاره لطف بررسی کنید
با عرض سلام
اگر مشکلتون حل نشد با ایمیل پشتیبانی مکاتبه کنید:
girs.academy@gmail.com