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. پرونده مقاله