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