ویراساینس.
مقاله

مدل سازی و پیش بینی گسترش شهری بر اساس شبکه عصبی پیش خورانده بهینه شده و فیلتر همسایگی با حدود آستانه مختلف؛ منطقه مورد مطالعه: شهر تهران

پرهام پهلوانی، p. pahlavani school of surveying and geospatial eng.دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی حسین عسکریان عمران، h. askarian omran

چکیده

با توجه به افزایش روز افزون جمعیت و سرعت بالای آن و تاثیر آن در رشد شهری، مطالعه، بررسی، و پیش­بینی رشد شهری از موضوعات مهم جامعه امروزی محسوب می­گردد. لذا، هدف اصلی این مقاله بررسی و نمایش رشد شهری در سال­های اخیر و پیش­بینی آن برای سال­های آینده می­باشد. به این منظور، در این تحقیق، از ترکیب روش شبکه عصبی پیش­خورانده با فیلترهای همسایگی استفاده شده است. در این مقاله تنها رشد کاربری ساختمانی به عنوان رشد شهری در نظر گرفته شده است. تصاویر ماهواره­ لندست در سال­های 1994، 2004، و 2014 برای تولید نقشه شهر (ساختمانی و غیر ساختمانی) بکار گرفته شدند. برای طبقه­بندی تصاویر و استخراج نقشه از روش ماشین بردار پشتیبان استفاده شد. برای مدل­سازی رشد شهری، شبکه عصبی پیش­خورانده پیشنهادی در 2 مرحله اجرا شد؛ (1) برای یادگیری و تعیین وزن­ها با استفاده از نقشه سال­های 1994 و 2004، و (2) به صورت رو به جلو برای پیش­بینی نقشه­ شایستگی برای سال 2014. به منظور پیش­بینی نقشه شایستگی با دقت بالا، معماری شبکه عصبی با توجه به کمترین rmse تعیین گردید. سپس نقشه شایستگی پیش­بینی شده با فیلترهای مختلف همسایگی ترکیب و نقشه سال 2014 پیش­بینی گردید. دقت روش در دو مرحله تعیین شد. ابتدا دقت نقشه شایستگی پیش­بینی شده با استفاده از روش roc بررسی گشت که دقت حاصل برابر 46/92 درصد بدست آمد. سپس در مرحله دوم میزان تطابق نقشه شهری پیش­بینی شده با نقشه مرجع سال 2014 با استفاده از ماتریس مقایسه و با معیارهای دقت کلی و ضریب کاپا به ترتیب 22/92 و 31/82 درصد بدست آمد. در نهایت روش ارائه شده برای پیش­بینی نقشه شهری سال 2024 به کار گرفته شد که نتایج حاکی از رشد بی رویه شهر در غرب و جنوب غربی منطقه می­باشد.

اسناد مشابه

  • مدل سازی پیش بینی گردشگری ورودی به ایران با استفاده از روش هایARIMA و شبکه های عصبی فازی

    مقاله۲۰۱۴مطالعات مدیریت گردشگریامیر افسر، تقی اکبر پور، علی اکبرپور، محمدرضا فرزین

    صنعت گردشگری به عنوان یک صنعت پاک و اشتغالزا، در سال‎های اخیر جزء درآمدزاترین صنایع جهان بوده و همواره مورد توجه سیاست‎ها و برنامه‎های توسعه گرانه می‎باشد. دولت‎ها و بخش‎های خصوصی در سطوح کلان تا خرد جهت توسعه و بقاء در بخش گردشگری نیازمند پیش‎بینی تقاضا در این بخش می‎باشند. هر چ

  • مدل سازی پیش بینی گردشگری ورودی به ایران با استفاده از روش هایarima و شبکه های عصبی فازی

    مقاله۲۰۱۴مطالعات مدیریت گردشگریمحمدرضا فرزین، امیر افسر، تقی اکبر پور، علی اکبرپور

    صنعت گردشگری به عنوان یک صنعت پاک و اشتغالزا، در سال‎های اخیر جزء درآمدزاترین صنایع جهان بوده و همواره مورد توجه سیاست‎ها و برنامه‎های توسعه گرانه می‎باشد. دولت‎ها و بخش‎های خصوصی در سطوح کلان تا خرد جهت توسعه و بقاء در بخش گردشگری نیازمند پیش‎بینی تقاضا در این بخش می‎باشند. هر چ

  • مدل سازی پیش بینی eps با استفاده از شبکه های عصبی - فازی

    مقاله۲۰۱۴پژوهشهای حسابداری مالی وحسابرسیعلی اصغر انواری رستمی، عادل آذر، محمد نوروزی

    پیش بینی سود هر سهم و تغییرات آن به عنوان یک رویداد اقتصادی از دیرباز موردعلاقه سرمایه گذاران، مدیران، تحلیل گران مالی و اعتباردهندگان بوده است. این توجه ناشی از استفاده سود در مدل های ارزیابی سهام، کمک به کارکرد کارای بازار سرمایه، ارزیابی توان پرداخت و ارزیابی عملکرد واحد اقتصا

  • مدل سازی پیش بینی قیمت سهام با استفاده از شبکه عصبی و مقایسه آن با روشهای پیش بینی ریاضی

    مقالهپژوهشنامه اقتصادی

    استفاده از روشهایی برای پیش بینی وضعیت آینده، همواره دغدغه اصلی اندیشمندان علوم مختلف بوده است. در این راه بطور طبیعی، روشهایی، قابلیت ماندگاری و کاربردی مناسب دارند که دارای کمترین خطای ممکن در پیش بینی باشند. بر این مبنا در سالهای بسیار، روشهایی ریاضی؛ اعم از میانگین ساده، میان

  • پیش بینی سرعت باد با شبکه عصبی rbf بر اساس نظریه آشوب

    مقالههوش محاسباتی در مهندسی برقطیبه خانجانی، دانشگاه اصفهان محمد عطایی، دانشگاه اصفهان پیمان معلم، دانشگاه اصفهان

    پیش بینی سرعت باد در مواردی همچون کنترل و برنامه ریزی جهت قطع و وصل توربین­های بادی و تضمین عملکرد پایدار سیستم می­تواند حائز اهمیت باشد که به طور کلاسیک به روش­های متعددی صورت می­گیرد. در این مقاله، ارائه روشی صرفاً براساس آنالیز داده­های اندازه­گیری شده قبلی مدّ نظر است. به این

  • مدل سازی فرآیند ماشینکاری تخلیه الکتریکی با شبکه عصبی و بهینه سازی آن با استفاده از الگوریتم کرم شب تاب

    مقالهمدلسازی در مهندسیابوالفضل فورگی ن‍ژاد، abolfazl foorginejad engineering department-birjand university-birjandبیرجند- دانشگاه بیرجند- دانشکده فنی و مهندسی حسین امیرآبادی، hossein amirabadi engineering department-birjand university-birjandبیرجند- دانشگاه بیرجند- دانشکده فنی و مهندسی خلیل خلیلی، khalil khalili engineering department-birjand university-birjandبیرجند- دانشگاه بیرجند- دانشکده فنی و مهندسی

    در این مقاله فرآیند ماشینکاری تخلیه الکتریکی توسط شبکه عصبی مصنوعی پیشخور با باز انتشار خطا مدل سازی شده و خروجی فرآیند شامل نرخ براده برداری و فرسایش ابزار توسط الگوریتم کرم شب تاب بهینه گردید. تغییر پارامترهای خروجی بر اساس پارامترهای ورودی شامل شدت جریان، زمان روشنی پالس و زما