مدلسازی احتمال تغییر رشد شهری با استفاده از شبکه عصبی مصنوعی و رگرسیون لجستیک (مطالعه موردی: شهر مشهد)
الموضوعات : فصلنامه علمی و پژوهشی پژوهش و برنامه ریزی شهری
فرهاد رستمی گله
1
(دانش آموخته کارشناسی ارشد عمران، سیستم اطلاعات مکانی دانشگاه فردوسی مشهد)
روزبه شاد
2
(استادیار گروه عمران، دانشگاه فردوسی مشهد)
مرجان قائمی
3
(استادیار گروه عمران، دانشگاه فردوسی مشهد)
یاسمن لهرابی
4
(دانشج آموخته کارشناسی ارشد رشته مهندسی منابع طبیعی، دانشگاه شهرکرد)
الکلمات المفتاحية: شبکه عصبی پرسپترون چند لایه, مدلسازی احتمال تغییر رشد شهری, رگرسیون لجستیک, مشهد.ROC,
ملخص المقالة :
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.
_||_