مدل سازی احتمال تغییر رشد شهری با استفاده از شبکه عصبی مصنوعی و رگرسیون لجستیک (مطالعه موردی: شهر مشهد)
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 40
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JUPM-9-34_012
تاریخ نمایه سازی: 26 بهمن 1402
چکیده مقاله:
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 تاثیرات 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 ۷ (سال ۲۰۰۲) و لندست ۸ (سال ۲۰۱۵) 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 ۹۴۸/۰ و شاخص کاپای ۹۳۶/۰ برای سال ۲۰۰۲ و همچنین دقت کلی ۸۱۷/۰ و شاخص کاپای ۷۷۵/۰ برای سال ۲۰۱۵ استخراج شدند. در نهایت، با اجرای رگرسیون لجستیک بین نقشه کاربری اراضی شهری سال ۲۰۱۵ (بهعنوان متغیر وابسته) و فاکتورهای موثر از جمله عوامل فیزیکی و عوامل انسانی بههمراه نقشه اراضی سال ۲۰۰۲ (بهعنوان متغیرهای مستقل)، نقشه پتانسیلی پیشرفت اراضی شهری تهیه شد. ارزیابی مدل رگرسیونی ایجادشده با استفاده از دو شاخص Pseudo-R۲ و ROC نشان داد که این مدل با مقدار ROC معادل ۸۷/۰ و مقدار Pseudo-R۲ برابر ۳۴۵/۰ دارای قابلیت بالایی جهت نمایش تغییرات و تعیین مناطق مستعد تغییر میباشد و میتوان برازش مدل را نسبتا خوب در نظر گرفت.
کلیدواژه ها:
نویسندگان
فرهاد رستمی گله
دانش آموخته کارشناسی ارشد عمران، سیستم اطلاعات مکانی دانشگاه فردوسی مشهد
روزبه شاد
استادیار گروه عمران، دانشگاه فردوسی مشهد
مرجان قائمی
استادیار گروه عمران، دانشگاه فردوسی مشهد
یاسمن لهرابی
دانشج آموخته کارشناسی ارشد رشته مهندسی منابع طبیعی، دانشگاه شهرکرد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :