مدل سازی و پیش بینی گسترش شهری بر اساس شبکه عصبی پیش خورانده بهینه شده و فیلتر همسایگی با حدود آستانه مختلف؛ منطقه مورد مطالعه: شهر تهران

با توجه به افزایش روز افزون جمعیت و سرعت بالای آن و تاثیر آن در رشد شهری، مطالعه، بررسی، و پیش­بینی رشد شهری از موضوعات مهم جامعه امروزی محسوب می­گردد. لذا، هدف اصلی این مقاله بررسی و نمایش رشد شهری در سال­های اخیر و پیش­بینی آن برای سال­های آینده می­باشد. به این منظور، در این تحقیق، از ترکیب روش شبکه عصبی پیش­خورانده با فیلترهای همسایگی استفاده شده است. در این مقاله تنها رشد کاربری ساختمانی به عنوان رشد شهری در نظر گرفته شده است. تصاویر ماهواره­ لندست در سال­های 1994، 2004، و 2014 برای تولید نقشه شهر (ساختمانی و غیر ساختمانی) بکار گرفته شدند. برای طبقه­بندی تصاویر و استخراج نقشه از روش ماشین بردار پشتیبان استفاده شد. برای مدل­سازی رشد شهری، شبکه عصبی پیش­خورانده پیشنهادی در 2 مرحله اجرا شد؛ (1) برای یادگیری و تعیین وزن­ها با استفاده از نقشه سال­های 1994 و 2004، و (2) به صورت رو به جلو برای پیش­بینی نقشه­ شایستگی برای سال 2014. به منظور پیش­بینی نقشه شایستگی با دقت بالا، معماری شبکه عصبی با توجه به کمترین RMSE تعیین گردید. سپس نقشه شایستگی پیش­بینی شده با فیلترهای مختلف همسایگی ترکیب و نقشه سال 2014 پیش­بینی گردید. دقت روش در دو مرحله تعیین شد. ابتدا دقت نقشه شایستگی پیش­بینی شده با استفاده از روش ROC بررسی گشت که دقت حاصل برابر 46/92 درصد بدست آمد. سپس در مرحله دوم میزان تطابق نقشه شهری پیش­بینی شده با نقشه مرجع سال 2014 با استفاده از ماتریس مقایسه و با معیارهای دقت کلی و ضریب کاپا به ترتیب 22/92 و 31/82 درصد بدست آمد. در نهایت روش ارائه شده برای پیش­بینی نقشه شهری سال 2024 به کار گرفته شد که نتایج حاکی از رشد بی رویه شهر در غرب و جنوب غربی منطقه می­باشد.