بررسی قابلیت‌های مدل شبکه عصبی مصنوعی در شبیه‌سازی توسعه شهری با کاربرد نمایه‌های عامل نسبی و بوم‌شناختی سیمای‌سرزمین(مطالعه موردی: شهر ساحلی هشتپر)

شهرنشینی یکی از مهمترین تغییرات جهانی است. رشد سریع شهرهای دنیا فشارهای سنگینی بر سرزمین و منابع اطراف آن وارد کرده است. از آن جا که توسعه فضاهای شهری در آینده امری اجتناب‌ناپذیر است، لزوم درک صحیح از این روند به‌منظور حفاظت از محیط‌زیست شهری ضروری است. شبکه‌های عصبی ابزاری قدرتمند جهت درک فرایندها و الگوهای مکانی هستند. بدین‌منظور، مدل شبکه عصبی پرسپترون چند لایه به‌عنوان ابزار شبیه‌سازی توسعه در شهر هشتپر انتخاب شد. در پژوهش حاضر، از نمایه مجذور میانگین مربعات خطا (RMSE) به‌عنوان شاخص طراحی و پایان آموزش در شبکه استفاده شد. پس از نرمال‌سازی و حذف متغیرهای همبسته، متغیرهای اثرگذار بر توسعه شهر هشتپر به‌صورت: فاصله از شهر، شبکه حمل‌ و ‌نقل اصلی، شبکه هیدروگرافی، کشاورزی، مراتع، اراضی بایر و شیب تعیین و شبکه‌ای متشکل از 22 گره با سه لایه ورودی (7 گره)، میانی (14 گره) و خروجی (1 گره) طراحی شد. فرایند آموزش به‌کمک تابع مشتق‌پذیر سیگمویید و استخراج نمونه‌های تعلیمی از نقشه تغییرات شهری (2000-1989) اجرا و شبیه‌سازی توسعه برای سال 2007 انجام شد. بررسی قابلیت‌های مدل و تحلیل ساختار سیمای شبیه‌سازی شده نیز با کاربرد نمایه‌های عامل نسبی و بوم‌شناختی سیمای‌سرزمین انجام شد. بر اساس نتایج، کمیت به دست آمده از نمایه‌های عامل نسبی و سیمای‌سرزمین نشان‌دهنده توافق نسبی گستره شبیه‌سازی شده با نقشه حاصل از طبقه‌بندی تصویر است. بر این ‌اساس، مدل شبکه عصبی در شبیه‌سازی مساحت کلاس، فاصله اقلیدوسی و چین‌خوردگی شکل لکه‌های شهری قابلیت اعتماد مناسبی دارد. در نهایت، تعیین حساسیت مدل به پارامترهای مورد استفاده با حذف متغیرهای مستقل و مقایسه نتایج آن با مدل کامل انجام و موثرترین داده‌ها برای شبیه‌سازی توسعه این شهر متغیرهای فاصله از هسته مرکزی و شبکه حمل و نقل به دست آمدند.