مطالعه تطبیقی مدل شبکه عصبی مصنوعی(ANN) و مدل عصبی -فازی وفقی (ANFIS) در پیش‌بینی تقاضای پروانه ساخت (مطالعه موردی: شهرداری زابل)

محورهای موضوعی : فصلنامه علمی و پژوهشی پژوهش و برنامه ریزی شهری

غلامعلی خمر ¹ , وحید پاسبان عیسی‌لو ²

1 -
2 -

تاریخ دریافت : 1393/03/09 تاریخ پذیرش : 1393/03/09 تاریخ انتشار : 1393/02/01

کلید واژه: تقاضای پروانه ساخت, شبکه عصبی­مصنوعی, ANFIS,

چکیده مقاله :

اطلاع از میزان تقاضای موجود در زمینه صدور پروانه ساخت در هر دوره یکی از مباحث اساسی است که شهرداری­ها در راه پاسخگویی به تقاضاکنندگان نیازمند آن هستند. عدم اطلاع در این زمینه سبب ایجاد مشکلاتی مانند اتلاف وقت و انرژی، کاهش کارایی و نارضایتی ارباب رجوع و در نهایت فقدان برنامه­ریزی­مدون را سبب می­شود. با توجه به روند پرنوسان و غیر­خطی انگیزه افراد برای ساخت­وساز و در ادامه تهیه مجوز ساختاز شهرداری و متغیرهای موثر بر آن، مدل­های غیرخطی و بخصوص شبکه­های عصبی (ANN) و سیستم استنتاج عصبی فازی تطبیقی (ANFIS) در این امر توفیق بیشتری داشته­اند. به این منظور ترکیبی از اساسی­ترین پارامترهای برون بخشی و درون بخشی تاثیر­گذار در تصمیم‌گیری افراد برای ساخت­وساز یعنی جمعیت شهرو نرخ رشد آن، متوسط درآمد وهزینه خانوار شهر (زابل)، تاثیرفصل­های مختلف سال در قالب عامل دما، میزان تولید ناخالص­داخلی(در سطح کلان)، تورم، ونوسانات مربوط به نرخ ارز (به عنوان پارامترهای برون بخشی) و عواملی مانند زمین و قیمت آن، تراکم و نرخ عوارض ساخت وساز (به عنوان عناصر درون بخشی) در نظر گرفته شده­اند. در این بینبرای مقایسه توانایی آن­ها نسبت به هم از معیارهای ارزیابی کارایی مدل­ها مانند(ضریب تعیین)MAD,(میانگین قدر مطلق انحرافات) و RMSE (ریشه میانگین مربع خطا) استفاده شده است. در نهایت ANFIS به دلیل اتکا به ترکیب (( قدرت یادگیری شبکه­عصبی و عملکرد منطقی سیستم­های فازی)) ؛ بامقدار  (9656/0، 9899/0), RMSE(0026/0، 0064/0) ,MAD (0018/0، 0061/0)به ترتیب برای آموزش و آزمون، بر روشANNبرتری نشان داده در نتیجه مدل مناسبتری برای پیش­بینی هدف ماست.
 

چکیده انگلیسی:

Notice of the amount of the claim in the context of license of building in each course is one of the fundamental issues that municipals for answer to client needs. The lack of information in this area caused problems such as a waste of time and energy, reducing efficiency and dissatisfaction with clientele and ultimately causes of the lack of planning. With regard to process of non-liner and pendulous individuals motivated to building and more crafting of construction permits from municipalities and variable affecting it, non – liner models special Artificial Neural Network (ANN) and Adaptive Neural Fuzzy Inference System (ANFIS) would have more success. To this end, consider a combination of the most essential parameters as the external and internal  part that are impact on the decision of people making  to building, inclusive city's population and its grows rate, average of the  household costs and revenue , the impact of the season`s and temperature, the rate of gross domestic product(macro level), inflation,  and Exchange rate fluctuations (as the external  parameters) and factors such as land and its price, building density, and the rate of imposition of construction (as the internal parameters).in continue to compare their ability to both, utilize from evaluation criteria to performance models such as the coefficient of determination( R^{2) ,}  middle absolute deviations (MAD) and root middle square errors (RMSE). Finally ANFIS excel to ANN due to reliance to combination of ANN ventilations power and logical function of fuzzy inference system with amount of R=­­ (0.9899, 0.9656), RMSE= (0.0064, 0.0026), and AMD= (0.0061, 0.0018) for training and testing system.