مدل سازی توسعه کالبدی شهر رشت با روشهای مبتنی بر محاسبات نرم

غلامرضا میری ¹ ( استادیار گروه جغرافیا و برنامه ریزی شهری، واحد زاهدان، دانشگاه آزاد اسلامی، زاهدان، ایران )
پرویز رضائی ² ( دانشیار گروه جغرافیا ، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران )
رضا زارعی ³ ( استادیار گروه آمار، دانشکده ریاضی، دانشگاه گیلان، گیلان، ایران )
طلا عابدی ⁴ ( دانشجوی دکترای جغرافیا و برنامه ریزی شهری، واحد آستارا ،دانشگاه آزاد اسلامی،آستارا، ایران )

تاريخ الإرسال : 28 الجمعة , ربيع الأول, 1445 تاريخ التأكيد : 01 السبت , رجب, 1445

الکلمات المفتاحية: شهر رشت, مدل سازی, توسعه کالبدی شهری, محاسبات نرم,

ملخص المقالة :

مقدمه: رشد سریع جمعیت و شهرنشینی پدیده ای انکارناپذیر است. هنگامیکه شهرها از نظر اندازه و تعداد جمعیت رشد میکنند، هماهنگی میان توسعه کالبدی شهر و رشد جمعیت بسیار حائز اهمیت است(دانه کار و همکاران،1400). با کمک گرفتن از روش‌های مبتنی بر محاسبات نرم از جمله شبکه های عصبی مصنوعی و ماشین بردار پشتیبان می توان جهات توسعه شهری سالهای آتی را پیش بینی کرد. هدف پژوهش: هدف این پژوهش مدل‌سازی توسعه شهر رشت طی بیست سال اخیر و پیش‌بینی جهات توسعه این شهر تا سال 2032 می-باشد. روش شناسی تحقیق: با استفاده از تصاویر ماهواره‌ای ETM+ لندست 7 و8 سال‌های 2002، 2012 و 2021 شهر رشت و با نرم افزار GIS تصاویر با ترکیب باندی مناسب آماده و سپس با استفاده از دو روش شبکه های عصبی مصنوعی و ماشین بردار پشتیبان تصاویر طبقه‌بندی شده‌اند. شاخص‌های در نظر گرفته شده برای مدل همسایگی مناطق شهری، فاصله از نقاط شهری، فاصله تا مناطق مرکزی شهر و فاصله تا خیابان‌ها و راههای اصلی می‌باشند. قلمروجغرافیایی پژوهش: شهر رشت، مرکز استان گیلان و در ۴۹ درجه و ۳۵ دقیقه و ۴۵ ثانیه طول شرقی و ۳۷ درجه و ۱۶ دقیقه و ۳۰ ثانیه عرض شمالی از نصف النهار گرینویچ قرار دارد و مساحت آن حدود ۱۰۲۴۰ هکتار می‌باشد. یافته ها و بحث: در این مدل در مرحله اول مدل با اعمال چهار شاخص ورودی بر تصاویر سال 2002 شهر رشت و مقایسه با تصاویر 2012 به یک تابع فعال ساز دست یافت و در مرحله دوم تست شبکه با ورودی تصاویر 2012 و خروجی 2021 شهر رشت انجام شد. در مرحله آخر تابع پیش بین تصاویر 2032 شهر رشت را ارائه کرده است. نتایج: مدل شبکه عصبی مصنوعی در سال 2012، 9/95 درصد و برای سال 2021، 8/93 درصد برآورد درستی داشته باشد که این عددها می‌تواند قابل قبول باشد. مدل ماشین بردار پشتیبان نیز توانسته است برای پیش‌بینی توسعه شهر رشت در سال 2012، 4/96 درصد و برای سال 2021، 3/95 درصد برآورد درستی داشته باشد که نسبت به مدل شبکه عصبی مصنوعی نتایج دقیق تر را ارائه نموده است.