A neural network approach to selecting indicators for a sustainable ecosystem

Authors: Rowland, J; Andrews, W S.; Creber, K A.M.

Source: Journal of Environmental Engineering and Science, Volume 3, Supplement 1, April 2004 , pp. S129-S136(8)

Buy & download fulltext article:

Price: $28.22 plus tax (Refund Policy)

Abstract:

The determination of indicators for monitoring the natural environment to ensure the ecological sustainability of areas under stress is problematic and prone to bias. Further, because of limitations in the resources available for data collection, such indicators should be selected carefully and their number confined to the minimum required to effectively monitor the system under study. Statistical techniques have traditionally been used to help select indicators, but often data lack the requirements of valid statistical analyses: minimal noise, variables linearly separable, variables able to be assigned numerical values, and high dimensionality. In this study, an alternate robust technique, artificial neural networks, is used to examine ecosystem data in multidimensional space and to select the minimum number of measured indicators that have the greatest weight in maintaining a sustainable ecosystem. The case study involves selecting indicators for ensuring the completion of ecologically sustainable army training conducted in a mixed grass prairie ecosystem. A neural network model was created that reduced the number of required measured indicators from 62 to 12, while minimizing researcher bias. Key words: ecological sustainability indicators, neural networks, military training.

La détermination d'indicateurs pour la surveillance de l'environnement naturel afin d'assurer la durabilité écologique de zones perturbées est problématique et portée à être biaisée. De plus, en raison des restrictions dans les ressources disponibles pour la collecte de données, de tels indicateurs devraient être sélectionnés avec soin et leur nombre devrait être confiné au nombre minimum requis pour surveiller efficacement le système à l'étude. Des techniques statistiques ont traditionnellement été utilisées pour aider à sélectionner les indicateurs, mais les données ne rencontrent souvent pas les exigences d'analyses statistiques valides : bruit minimal, variables linéairement séparables, variables pouvant être assignées des valeurs numériques, et une forte dimensionnalité. Dans cette étude, une autre technique robuste, les réseaux neuronaux artificiels, est utilisée pour examiner les données des écosystèmes dans un espace multidimensionnel et pour sélectionner le nombre minimal d'indicateurs mesurés qui ont le plus grand poids afin de maintenir un écosystème durable. Le cas étudié implique le choix d'indicateurs pour être assuré d'avoir une instruction militaire respectueuse de l'environnement lorsqu'elle est effectuée dans un écosystème de prairie mixe. Un modèle de réseau neuronal a été créé afin de réduire le nombre d'indicateurs de mesure requis de 62 à 12, tout en minimisant le biais du chercheur. Mots clés : indicateurs de durabilité écologique, réseaux neuronaux, instruction militaire.[Traduit par la rédaction]

Keywords: ecological sustainability indicators, neural networks, military training, indicateurs de durabilité écologique, réseaux neuronaux, instruction militaire

Document Type: Research article

Publication date: 2004-04-01

More about this publication?

Since January 2002, NRC Research Press has published the Journal of Environmental Engineering and Science. During the seven-year history of the journal, the co-editors, Dr. Donald S. Mavinic and Dr. Daniel W. Smith, built a high-quality journal that was well respected by its community of researchers in Canada and around the world. The last issues of the Journal of Environmental Engineering and Science was published in November 2008 together with a supplement.

A neural network approach to selecting indicators for a sustainable ecosystem

Buy & download fulltext article:

Tools

Key

Text size:

Useful pages