کاربرد شبکه های عصبی مصنوعی در مدل سازی توسعه کالبدی شهری (مطالعه موردی:شهر رشت)

محورهای موضوعی : مطالعات برنامه ریزی شهری و منطقه ای

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

تاریخ دریافت : 1401/08/12 تاریخ پذیرش : 1401/09/06 تاریخ انتشار : 1403/06/01

کلید واژه: شبکه عصبی مصنوعی, شهر رشت, مدل سازی, توسعه کالبدی شهر,

چکیده مقاله :

مقدمه : توسعه کالبدی شهر ها به صورت روزافزون در حال افزایش است. مدیریت صحیح این توسعه از جهات گوناگون در زمره ی مسائل مهمی است که باید مدنظر قرار بگیرد. روش های متعددی برای پیش بینی و تعیین جهت توسعه شهری وجود دارد که یکی از این روش ها در تعیین مناطق مناسب ، روش مبتنی بر شبکه های عصبی است.هدف پژوهش : هدف این پژوهش مدلسازی توسعه شهر رشت طی 20 سال اخیر و پیش بینی جهات توسعه این شهر تا سال 2032 می باشد.روش شناسی تحقیق : با استفاده از تصاویر ماهواره ای 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 روش شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) تصاویر طبقه بندی شده اند. شاخص های در نظر گرفته شده برای مدل همسایگی مناطق شهری، فاصله از نقاط شهری، فاصله تا مناطق مرکزی شهر و فاصله تا خیابان ها و راههای اصلی می باشند.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 می باشد. یافته ها و بحث :در این مدل در حالت آموزش مرحله اول(ورودی اعمال 4 شاخص بر تصاویر سال 2002)، شبکه 104 تکرار انجام داد و کمترین میزان خطا که با معیار crossentropy ارزیابی می شود در تکرار 98 ام برابر با 058526/0 گردید. در مرحله دوم ورودی مدل اعمال 4 شاخص بر روی تصاویر 2012 بوده که کمترین میزان خطا 076657/0 ارزیابی شد.نتایج :در مجموع مدل توانسته است برای پیش بینی توسعه شهر رشت در سال 2012، 9/95 درصد و برای سال 2021، 8/93 درصد برآورد درستی داشته باشد که این عددها می تواند قابل قبول باشد. خطای مدل در این بخش اول 1/4 درصد و در بخش دوم 2/6 درصد بوده است. با بررسی دوره 20 ساله روند توسعه کالبدی، جهات توسعه شهر رشت در سال 2032 پیش بینی شد.

چکیده انگلیسی:

Introduction: The physical development of cities is increasing day by day. Correct management of this development from various aspects is among the important issues that must be considered. There are many methods for predicting and determining the direction of urban development, one of these methods for determining suitable areas is the method based on neural networks.The purpose of the research: The purpose of this research is to model the development of the city of Rasht in the last 20 years and predict the directions of development of this city until 2032.Research methodology :By using ETM+ Landsat 7 and 8 satellite images of 2002, 2012 and 2021 of Rasht city and with GIS software, images with suitable band composition are prepared and then the images are classified using Multi Layer Perceptron Artificial Neural Network (MLP) method. The indicators considered for the neighborhood model of urban areas are the distance from urban points, the distance to the central areas of the city, and the distance to the main streets and roads.The geographical scope of the research:Rasht city, the capital of Gilan province, is located at 49 degrees 35 minutes 45 seconds east longitude and 37 degrees 16 minutes 30 seconds north latitude from the Greenwich meridian, and its area is about 10,240 hectares.Findings and discussion:In this model, in the training mode of the first stage (input, applying 4 indexes on the images of 2002), the network performed 104 iterations, and the lowest error rate, which is evaluated by the crossentropy criterion, was equal to 0.058526 in the 98th iteration. In the second step, the input of the model was to apply 4 indicators on the images of 2012, and the lowest error rate was evaluated as 0.076657.Results :In total, the model has been able to predict the development of Rasht city in 2012, 95.9% and for 2021, 93.8%, which can be acceptable. The model error in this first part was 1.4% and in the second part was 2.6%. By examining the 20-year period of physical development, the development directions of Rasht city in 2032 were predicted.