ارزیابی پتانسیل و الگوی رشد بهینه شهری با استفاده از الگوریتم های شبکه های عصبی(مطالعه موردی: شهر زنجان)

ابوالفضل قنبری ¹ ( هیأت علمی/ دانشگاه تبریز )
سمانه باقری ² ( دانشگاه تبریز )
محمد سورغالی ³ ( دانشجو دکتری، دانشگاه تبریز )

تاریخ ارسال : 1402/05/13 تاریخ تایید : 1403/01/11

کلید واژه: شبکه عصبی و زنجان, الگوی رشد بهینه شهری, ارزیابی پتانسیل, رشد فیزیکی شهر,

چکیده مقاله :

پدیده پویای رشد فیزیکی شهر، نشانه‌ای از رشد جمعیت، توسعه اقتصادی و افزایش اهمیت شهر است. پتانسیل و الگوی رشد بهینه شهرها از جمله عوامل مهمی است که بر توسعه پایدار و بهره‌وری این مراکز تأثیر می‌گذارد. ارزیابی دقیق و موثر این پتانسیل‌ها نیازمند استفاده از روش‌های پیشرفته و دقیق می‌باشد. از این رو، هدف از پژوهش حاضر ارزیابی پتانسیل و الگوی رشد بهینه شهری با تأکید بر شهر زنجان با استفاده از الگوریتم‌های شبکه‌های عصبی می‌باشد. پژوهش حاضر از نظر هدف کاربردی و توسعه ای، برحسب نحوه گردآوری داده ها، توصیفی- تحلیلی می باشد. در ابتدا، پارامترهای مؤثر در رشد شهر زنجان شناسایی و مدل‌های شبکه عصبی طراحی شدند. سپس با استفاده از داده‌های موجود و الگوهای رشد گذشته، شبکه‌های عصبی آموزش داده شدند تا قادر به پیش‌بینی رشد و توسعه آینده شهر زنجان باشند. داده های به کار برده شده در این پژوهش شامل لایه کاربری اراضی شهر زنجان و تصویر ماهواره ای لندست 8 بود که به ترتیب از شهرداری شهر زنجان و سایت زمین شناسی آمریکا(USGS) تهیه شدند. نتایج نشان داد که شهر زنجان دارای پتانسیل بالایی برای رشد فیزیکی در قسمت‌های غربی و شرقی است. این بخش ها شامل مناطقی می شود که از نظر عواملی همچون ارتفاع و شیب از شرایط استانداردی برخوردار می باشند. اما بخش‌های شمالی و جنوبی به دلیل داشتن موانعی همچون ارتفاع زیاد و شیب بیشتر از 5%، و همچنین وجود باغات در بخش جنوبی شهر پتانسیلی برای توسعه ندارند. ارزیابی پتانسیل و الگوی رشد بهینه شهر زنجان با استفاده از شبکه‌های عصبی می‌تواند به مسئولان و تصمیم‌گیرندگان شهری کمک کند تا استراتژی‌های مناسب را برای توسعه پایدار و بهره‌وری بیشتر در این شهر اتخاذ کنند و با بهره‌گیری از داده‌های تاریخی و فعلی، آینده خود را پیش‌بینی کرده و برنامه‌ریزی مناسب برای توسعه پایدار و بهینه شهری را انجام دهند.

چکیده انگلیسی :

The dynamic phenomenon of urban physical growth is indicative of population increase, economic development, and the rising importance of cities. The potential and optimal growth pattern of cities are among the crucial factors influencing sustainable development and efficiency in these centers. Accurate and effective assessment of these potentials requires the use of advanced and precise methods. Therefore, the aim of the present research is to evaluate the potential and optimal growth pattern of the city, with a focus on Zanjan, using neural network algorithms.This research is applied and developmental in terms of its objective, and in the way data is collected, it is descriptive-analytical. Initially, parameters influencing the growth of Zanjan were identified, and neural network models were designed. Subsequently, using available data and patterns of past growth, neural networks were trained to predict the future growth and development of the city. The data used in this research includes land use layers of Zanjan and Landsat 8 satellite imagery, obtained from the Zanjan Municipality and the United States Geological Survey (USGS), respectively.The results indicate that Zanjan has high potential for physical growth in its western and eastern parts, characterized by factors such as elevation and slope meeting standard conditions. However, the northern and southern parts, due to obstacles like high elevation, slopes exceeding 5%, and the presence of orchards in the southern section, lack potential for development. Evaluating the potential and optimal growth pattern of Zanjan using neural networks can assist urban authorities and decision-makers in adopting suitable strategies for sustainable development and greater efficiency in the city. By leveraging historical and current data, they can predict their future and undertake proper planning for sustainable and optimal urban development.