دوره 28، شماره 4 - ( 1392 )                   جلد 28 شماره 4 صفحات 94-83 | برگشت به فهرست نسخه ها
نوع مقاله:
پژوهشی اصیل |
موضوع مقاله:

Print XML English Abstract PDF HTML

History

دریافت: 1397/2/2 | پذیرش: 1397/2/2 | انتشار: 1397/2/2
Rights and permissions
استفاده از روابط مونت کارلو در کاهش عدم اطمینان مقایسات زوجی شاخص های بیابان زایی
Authors عادل سپهر
دانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد
چکیده   (3162 مشاهده)
روش های مونت کارلو یک طبقه از الگوریتم های محاسبه گر می باشند که برای محاسبه نتایج خود بر نمونه گیری های تکرار شونده تصادفی اتکاء می کنند. روش های مونت کارلو برای شبیه سازی پدیده هایی که عدم قطعیت زیادی در ورودی های آنها وجود دارد مفید هستند. هدف از این مطالعه، بررسی عدم اطمینان حاصل از قضاوت ها و عناصر ماتریس تصمیم در ارزیابی شاخص های موثر در بیابان زایی می باشد. به منظور کاهش عدم اطمینان در ماتریس مقایسات زوجی غیر دقیق از شبیه سازی و تکرارهای مونت کارلو بهره گرفته شد. در این مقاله عدم اطمینان ناشی از اطلاعات تصمیم گیرندگان و داده ها و عناصری که محیط تصمیم در اختیار تصمیم گیرنده می گذارد بررسی شده است. در این پژوهش با تکیه بر محاسبات و تکرارهای تصادفی مونت کارلو، برتری گزینه Xi موثر در بیابانی شدن را بر Xk آزمون شده است. با استفاده از یک انتگرال چند بعدی برنامه مقایسات زوجی شاخص ها به گونه ای که به گزینه Xi رتبه پایین تری از Xk تعلق گیرد در محیط جاوا (JAVA) نوشته و تکرارهای مونت کارلو برای ارزش ها انجام یافت. نتایج شبیه سازی مونت کارلو بازگوکننده آن بود که با افزایش تعداد تکرارهای شبیه سازی، وزن نسبی گزینه های تصمیم به حالت ثبات و پایایی می رسد. نتایج شبیه سازی نشان داد که شاخص های فرسایش بادی، فرسایش آبی، تغییرات کاربری اراضی، کاهش تاج پوشش، کاهش بیومس و تولید، تراکم بالای چرا (چرای بیش از حد)، کاهش کیفیت مراتع (از بین رفتن مراتع خوب) و توسعه اراضی زیر کشت مهم ترین عوامل در بیابانی شدن اراضی ایران می باشند. 
واژه‌های کلیدی:
مونت کارلو، عدم قطعیت، شاخص های بیابان زایی، شاخص مقایسه زوجی
فهرست منابع
1. اکبری، نعمت االله و کیوان زاهدی(1387)،کاربرد روشهای رتبه بندی و تصمیم گیری چند شاخصه، انتشارات سازمان شهرداری ها و دهیاری های کشور، چاپ اول: 463 صفحه.
2. سپهر، عادل(1389)، ارایه الگوی مدیریت ریسک بیابان زایی در شرایط عدم قطعیت، رساله دکتری ژئومورفولوژی، دانشگاه اصفهان.
3. مؤمنی، منصور و مجید اسماعیلیان(1385)،کاربرد شبیه سازی در عدم اطمینان فرایند تصمیمگیری چند معیاره (MCDM) ،فصلنامه مدرس، علوم انسانی، دوره 10 ،شماره 4 ،زمستان 1385
4. Bertsekas, D. P (2000), Dynamic Programming and Optimal Control, Athena Scientific, Belmont, Massachusetts, second edition, Vol 1 and 2.
5. Byron, K. W., J. D. Nichols, and M. J. Conroy (2002), Analysis and Management of Animal Populations, Academic Press
6. Chichilnisky, G., G. M. Heal, and A. Vercelli (1998), Sustainability: Dynamics and Uncertainty (Economic, Energy and Environment), Springer Press.
7. Hurley, W.J (2001), "The analytic hierarchy process: A note on an approach to sensitivity which preserves rank order", Computers & Operations Research, Vol 28.
8. Kot, M (2001), Elements of Mathematical Ecology, Cambridge University Press, Cambridge.
9. Laffont, J. J (1989), The Economic of Uncertainty and Information, MIT Press.
10. Lande, R., S. Engen, and B. E. Saether (2003), Stochastic Population Dynamics in Ecology and Conservation, Oxford series in ecology and evolution.
11. Olson, L. J and R. Santanu (2000), “Dynamic efficiency of conservation of renewable resources under uncertainty”, Journal of Economic Theory, 95: 186-214.
12. Saaty, T.L (1980). The Analytic Hierarchy Process, McGraw Hill. New York.
13. Wan, K and R. Levary (1997), "A simulation approach for handling uncertainty in the analytical hierarchy process", European Journal of Operation Research, Vol 106.
14. Whittle, P (1982), Optimization over Time: Dynamic Programming and Stochastic Control, John Wiley & Sons, Vol 1, New York.
15. Zaho, C. M., S. M. Lo, and Z. Fang (2004), "A simulation approach for ranking of fire safety attributes of existing buildings", Fire Safety Journal, Vol 39.