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. پرونده مقاله

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. پرونده مقاله