Assessing the development level of rural areas of central district of Falavarjan County: The application of Artificial Neural Network
Subject Areas :
Hamid Rastegari
1
,
Mehdi Nooripoor
2
1 - Ph.D. Student of Agriculture Development, Yasuj University, Yasuj, Iran
2 - Associate Professor, Department of Rural Development Management, Faculty of Agriculture, Yasouj University, Yasuj, Iran
Keywords: Artificial Neural Network, Rural Development, self-organization map, Falavarjan,
Abstract :
Planning of development programs either at macro or at micro levels, needs to obtain a proper understanding about the differences between rural areas in terms of their infrastructure, social, economic and environmental aspects; so that this understanding can contributed to policymakers and decision-makers the ability to recognize abilities, differences and deprivations of rural areas in order to organize a balanced development in the supposed areas. Therefore, the aim of this research was to assess the level of development of rural areas of central district of Falavarjan County. A survey research method was used in this study. Research population included villages with 20 and more households (26 villages) that about 376 household of these villages were selected as research sample based on Cochran Sampling. A researcher constructed questionnaire and secondary data taken from the village ID in 2010 was used to collect data that its face validity procedure was verified by faculty members of the Rural Development Management Department of Yasouj University and its reliability was also verified calculating Cronbach's Alpha reliability (0.65 ≤∝≤ 0.95). In order to assess and prioritization rural development, 24 indices in four dimensions were used: social-cultural, economic, environmental and physical-infrastructure. In order to analyze the data, the raw data were normalized and then using Artificial-Neural Network (ANN) of multi-layer feed-forward back-propagation, weight of each rural development index was obtained, respectively. Data processing was done using MATLABR2015a and SPSS22 software. The results showed that Jojil, Jowlorestan and Zefreh ranked first to third respectively and Mehrenjan Atrak and Mehrenjan ranked last in terms of rural development. The overall results of this study showed that the rural development is in a relatively favorable situation in the studied villages.
1- آمار و اطلاعات استانداری استان اصفهان. 1391. سالنامه آماری شهرستان فلاورجان، اصفهان: انتشارات استانداری اصفهان دفتر آمار و اطلاعات و GIS.
2- اصغریزاده، ع.، ذبیحی جامخانه، م. 1392. ارزیابی و رتبهبندی میزان توسعه یافتگی مناطق روستایی، با استفاده از تکنیک‌های تصمیمگیری چند شاخصه، مجله پژوهش و برنامهریزی روستایی، 3: 48-27.
3- تقیلو، ع. 1393. تحلیل علی توسعه یافتگی و توسـعهنیافتگی سکونتگاههای روستایی، مطالعه موردی بخش مرکزی شهرستان ارومیه، فصلنامه برنامهریزی منطقهای، 4(15): 102-85.
4- راکعی، ب.، خامهچیان، م.، عبدالملکی، پ.، گیاهچی، پ. 1386. کـاربرد سیسـتم شـبکه عصـبی مصنوعی در پهنه‌بندی خطر زمین لغزش، مورد مطالعه: ناحیه سفیدار گله در استان سمنان، مجله علوم دانشگاه تهران، 33(1): 64-57.
5- رستگاری، ح. 1394. تحلیل رابطه بین گسترش فناوری اطلاعات وارتباطات مورد مطالعه بخش مرکزی شهرستان فلاورجان، پایان نامه کارشناسی ارشد توسعه روستایی، دانشگاه یاسوج، 138 صفحه.
6- رضوانی، م.، صادقلو، ط.، سجاسی قیداری، ح. 1390. سنجش درجه روستاگرایی با استفاده از مدل تاپسیس فازی. پژوهشهای روستایی، 2(1): 31-1.
7- زنگیآبادی، ع.، اکبری، م. 1390. ارزیابی و تحلیل توسعه یافتگی شهرستانهای استان فارس. محیط شناسی، 37(59): 122-113.
8- سجادیان، ن.، اکرامی، ن. (1397). سنجش میزان برخورداری استان‌های مرزی کشور از شاخص‌های توسعه با استفاده از مدل‌های تاکسونومی عددی و تاپسیس. آمایش محیط، 11(4): 70-47.
9- شاهرخی ساردو، ص.، محمودی برام، م.، مولایی، ع.، آقاعباسی، ن. 1394. ارزیابی سطوح توسعه یافتگی مناطق روستایی شهرستان کوهرنگ. راهبردهای توسعه روستایی، 2(4): 399-383.
10- صدرموسوی، م.، رحیمی، ا. 1388. مقایسه نتایج شبکههای عصبی پرسپترون چندلایه با رگرسیون چندگانه در پیش‌بینی غلظت ازن در شهر تبریز، پژوهشهای جغرافیای طبیعی، 71: 72-65.
11- علیایی، م.ص.، عزیزی، س. (1397). بررسی و تحلیل سطح توسعه یافتگی نواحی روستایی با روش تحلیل عاملی (مورد مطالعه: دهستان وکیل آباد استان کرمان). آمایش محیط، 11(42): 116-97.
12- عوضزاده، ع.، کرمی ا. 1393. تبیین پایداری نظام بهرهبرداری خرد دهقانی: مورد مطالعه بخش مرکزی شهرستان بویراحمد، راهبردهای توسعه روستایی، 2(1): 41-27.
13- فتاحی اردکانی، ا. 1392. بررسی سطح توسعة اجتماعی و اقتصادی در روستاهای حاشیة دشت یزد- اردکان، تحقیقات اقتصاد و توسعه کشاورزی ایران، 44(4): 602-593.
14- فیضآبادی، ی.، ملکی، ف. 1394. بررسی و مقایسه توسعه یافتگی مناطق روستایی استان‌های ایران. رشد و توسعه اقتصاد روستایی و کشاورزی، 1(1): 82-71.
15- کریمی، ف.، احمدوند، م.، توکلیتبار، ز.، میرزایی، ش. 1392. کاربرد ترکیب الگوریتم خوشه‌بندی و الگوریتم رقابت استعماری (ICA) در سطحبندی توسعه یافتگی مناطق روستایی. پژوهش و برنامهریزی روستایی، 4: 334-311.
16- مرکز آمار ایران. 1390. سالنامه آماری کشوری. تهران انتشارات مرکز آمار ایران.
17- نظمفر، ح.، باختر، س.، علوی، س. 1394. رتبهبندی سطوح توسعه یافتگی مناطق روستایی (مطالعه موردی: دهستانهای استان کرمانشاه). جغرافیا و مطالعات محیطی، 4(14): 192-181.
18- نظمفر، ح.، علی بخشی، آ. 1397. میزان برخورداری شهرستانهای استان خوزستان از شاخص‌های شهر سالم. آمایش محیط، 11(42): 42-23.
19- هاگان، م.، دیموث، ه.، بیل، م. 1388. طراحی شبکههای عصبی. ترجمه مصطفی کیا، چاپ اول، تهران: انتشارات خدمات نشر کیان رایانه. 584 صفحه.
20- Al-Hassan, R. M., Diao, X. 2007. Regional Disparities in Ghana: Policy Options and Public Investment Implications. International Food Policy Research Institute.
21- Bhatia, V. K., Rai, S. C. 2011. Evaluation of Socio-Economic Development in Small Areas. New Delhi: New Delhi University Press.
22- Chelani, A. B., Chalapati R.C.V., Phadke, K. M., Hasan, M. Z. 2002. Prediction of sulphur dioxide concentration using artificial neural networks. Environmental Modelling & Software. 17: 161–168.
23- Demuth, H., Beale, M., Hagan, M. 2008. Neural Network Toolbox (MATLAB). Version 6, the Math Works, Inc.
24- Erilli, N. A. 2015. Socioeconomic Development Index Ranking Calculations of Cities with Fuzzy Clustering Method: Case of Turkey. Theoretical and Applied Economics, 22(1): 215-226.
25- Madu, A. I. 2007. The underlying factors of rural development patterns in the Nsukka region of southeastern Nigeria. Journal of rural and community development, 2: 110-122.
26- Schatzmann, J. 2003. Using Self-Organizing Maps to Visualize Clusters and Trends in Multidimensional Datasets. Department of Computing Data Mining Group, Imperial College, London.
27- Vesanto, J., Alhoniemi, E. 2000. Clustering of the Self-Organizing Map. IEEE Transactions on Neural Networks, 11(3): 586-600.
28- Vesanto, J., Himberg, J., Alhoniemi, E., Parhankangas, J. 2000. SOM Toolbox for Matlab 5. Helsinki University of Technology.
