مدل‌سازی احتمال تغییر رشد شهری با استفاده از شبکه عصبی مصنوعی و رگرسیون لجستیک (مطالعه موردی: شهر مشهد)

Authors

  • روزبه شاد استادیار گروه عمران، دانشگاه فردوسی مشهد
  • فرهاد رستمی گله دانش آموخته کارشناسی ارشد عمران، سیستم اطلاعات مکانی دانشگاه فردوسی مشهد
  • یاسمن لهرابی دانشج آموخته کارشناسی ارشد رشته مهندسی منابع طبیعی، دانشگاه شهرکرد
Abstract:

در کشور­های در حال توسعه، تمایل زیاد برای تمرکز جمعیت در مناطق شهری و به­تبع آن رشد سریع و ناموزون شهر­ها سبب شده است که طراحان و برنامه­ریزان شهری، استفاده از سیاست­ها و راهکار­های مناسب را جهت اجتناب از تأثیرات مخرب زیست­محیطی و اجتماعی- اقتصادی در دستور کار قرار دهند. در این راستا، اطلاعات مکانی و زمانی مرتبط با الگوهای نرخ رشد، درک بهتری را از فرآیند رشد شهری فراهم نموده و ابزار­های مناسب را جهت اخذ سیاست­های مدیریتی و برنامه­ریزی در اختیار مدیران شهری  قرار می­دهند. لذا هدف اصلی این پژوهش، محاسبه احتمال تغییر رشد شهر مشهد با استفاده از روش­های رگرسیون لجستیک و شبکه عصبی مصنوعی می­باشد. برای این­منظور، جهت تهیه نقشه کاربری اراضی، از تصاویر ماهواره­ای لندست 7 (سال 2002) و لندست 8 (سال 2015) استفاده شد. سپس با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه (MLP)، طبقه­بندی تصاویر انجام شد و نقشه­های کاربری اراضی شهری با دقت کلی 948/0 و شاخص کاپای 936/0 برای سال 2002 و همچنین دقت کلی 817/0 و شاخص کاپای  775/0 برای سال 2015 استخراج شدند. در ­نهایت، با اجرای رگرسیون لجستیک بین نقشه کاربری اراضی شهری سال 2015 (به­عنوان متغیر وابسته) و فاکتور­های مؤثر از جمله عوامل فیزیکی و عوامل انسانی به­همراه نقشه اراضی سال 2002 (به­عنوان متغیر­های مستقل)، نقشه پتانسیلی پیشرفت اراضی شهری تهیه شد. ارزیابی مدل رگرسیونی ایجاد­شده با استفاده از دو شاخص Pseudo-R2 و ROC نشان داد که این مدل با مقدار ROC معادل 87/0 و مقدار Pseudo-R2 برابر 345/0 دارای قابلیت بالایی جهت نمایش تغییرات و تعیین مناطق مستعد تغییر می­باشد و می­توان برازش مدل را نسبتاً خوب در نظر گرفت.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس)

استفاده از سیستم اتوبوسرانی درون شهری با توجه به انعطاف پذیری بالا و ارزان بودن آن برای استفاده کننده، در شهرهای بزرگ و به ویژه در کشورهای در حال توسعه امری اجتناب ناپذیر است. از این رو بهبود این سیستم حمل و نقل بدلیل گستره فعالیت آن ضروری به نظر می رسد. یکی از رو شهای ارتقای عملکرد این سیستم، تخصیص بهینه اتوبو سها به خطوط فعال به گونه ای است که نسبت به وضعیت موجود، تعداد مسافر بیشتری حمل نموده...

full text

مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس)

استفاده از سیستم اتوبوسرانی درون شهری با توجه به انعطاف پذیری بالا و ارزان بودن آن برای استفاده کننده، در شهرهای بزرگ و به ویژه در کشورهای در حال توسعه امری اجتناب ناپذیر است. از این رو بهبود این سیستم حمل و نقل بدلیل گستره فعالیت آن ضروری به نظر می رسد. یکی از رو شهای ارتقای عملکرد این سیستم، تخصیص بهینه اتوبو سها به خطوط فعال به گونه ای است که نسبت به وضعیت موجود، تعداد مسافر بیشتری حمل نموده...

full text

مدل‌سازی و پیش‌بینی رشد افقی شهر مشهد با استفاده از تلفیق اتوماتای سلولی فازی، شبکه عصبی و رگرسیون لجستیک

در این پژوهش با به‌کارگیری مدل اتوماتای سلولی (CA) توسعه یافته بر مبنای سیستم اطلاعات مکانی (GIS) و ارائه مدلی قدرتمند و ساده سعی بر مدل‌سازی و پیش‌بینی رشد شهر مشهد شده است. با وجود قابلیت‌های فراوان اتوماتای سلولی در مدل‌سازی رشد شهری، این روش دارای محدودیت¬هایی نظیر عدم توانایی در مدل‌سازی عدم قطعیت موجود در سیستم‌های شهری و انجام کالیبراسیون به‌صورت تجربی (روش آزمون‌وخطا) است. در روش پیشنها...

full text

مدلسازی توسعه شهری همدان با استفاده از شبکه عصبی مصنوعی و رگرسیون لجستیک

در کشورهای درحال توسعه گرایشی شدید به شهر نشینی وجود دارد, در نتیجه شهرها با رشد سریع مواجه می شوند. جهت اجتناب از تاثیرات مخرب زیست محیطی و اجتماعی – اقتصادی, اعمال برنامه ریزی های صحیح و مناسب امری ضروری است. طراحان و برنامه ریزان شهری به اطلاعات مکانی و زمانی مرتبط با الگوهای رشد شهری جهت درک بهتر فرآیند توسعه شهری, تاثیرات آن و اتخاذ سیاست های مدیریتی و برنامه ریزی موثر نیازمندند. در این تح...

مدلسازی توسعه ی شهری بجنورد با استفاده از رگرسیون لجستیک

توسعه ناموزون شهرها یکی از مسائل مهم در کاربری زمین است و پیش بینی توسعه شهری همیشه به سادگی امکانپذیر نیست بلکه به مدل هایی نیاز دارد که ماهیت پیچیده فرآیندهای شهری را مدنظر قرار دهند. رگرسیون لجستیک یک مدل پیش بینی کننده تجربی است. تعیین وزن عوامل محرک برمبنای داده های تجربی به جای استفاده از دانش کارشناسان از مزایای این مدل است و همچنین توانایی واردسازی متغیرهای بیشتری را داراست که از برتری ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 9  issue 34

pages  169- 182

publication date 2018-09-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023