ارزیابی و مدل سازی فضایی مکان های مناسب برای ساختمان های بلندمرتبه در بندرعباس با بهره گیری ازFAHP، یادگیری ماشین و پایداری مکانی

مکان یابی ساختمان های بلندمرتبه، نقش مهمی در برنامه ریزی محیطی و کنترل گسترش افقی شهرها دارد. پژوهش حاضر با هدف مکان یابی این ساختمان ها در شهر بندرعباس با استفاده از تلفیق روش های تصمیم گیری چندمعیاره، یادگیری ماشین و تحلیل عدم قطعیت انجام شد. در این راستا، ابتدا ۳۷ زیرمعیار در قالب چهار معیار کالبدی، زیرساختی، اقتصادی - اجتماعی و فیزیکی تنظیم و با روش تحلیل سلسله مراتبی فازی (FAHP) وزن دهی شدند. سپس الگوریتم های RF و XGBoost به منظور وزن دهی مجدد معیارها و تولید نقشه های مطلوبیت مکانی به کار گرفته شدند. برای ارزیابی حساسیت مدل های یادگیری، از تحلیل تورنادو استفاده شد و عدم قطعیت و پایداری نتایج با مونت کارلو و شاخص پایداری مبتنی بر ضریب تغییرات انجام گرفت. همچنین، ضریب کاپا برای سنجش میزان توافق فضایی بین نقشه های نهایی سه روش محاسبه شد. نتایج نشان داد که معیارهای کالبدی با وزن فازی ۶۴۶/۰ بیشترین تاثیر را در مکان یابی ساختمان های بلندمرتبه دارند. مدل RF پهنه های مناسب بیشتری را شناسایی کرد؛ درحالی که XGB و FAHP دیدگاه محافظه کارانه تری ارائه دادند. نتایج تحلیل پایداری و عدم قطعیت بیان کننده آن بود که مدل XGB از ثبات فضایی و قابلیت اعتماد بیشتری نسبت به RF برخوردار است. همچنین ضریب کاپای بالا بین XGB  و FAHP (۸۳/۰) نشان دهنده توافق قابل توجه این دو روش بود. در مجموع، یافته های پژوهش نشان می دهد که تلفیق روش های تصمیم گیری چندمعیاره، یادگیری ماشین و تحلیل عدم قطعیت می تواند چارچوبی کارآمد و قابل اعتماد برای مکان یابی ساختمان های بلندمرتبه و پشتیبانی از تصمیم گیری های شهری فراهم سازد. نتایج مدل های سه گانه بیان کننده این است که اراضی واقع در شمال غربی و بخش های شرقی - مرکزی بندرعباس برای بلندمرتبه سازی ساختمانی مناسب اند. نتایج شاخص پایداری بیان کننده آن است که مدل XGB در مقایسه با RF عملکرد قابل اعتمادتر و سازگارتری در تولید نقشه مطلوبیت مکانی داشته و می تواند به عنوان مدل پایدارتر برای پشتیبانی از تصمیم گیری های شهری در زمینه توسعه ساختمان های بلندمرتبه استفاده شود.

کلیدواژه ها:

بلندمرتبه سازی ، تحلیل حساسیت ، یادگیری ماشین ، مونت کارلو ، بندرعباس