مدلسازی تغییرات شهری با استفاده از تلفیق اتوماتای سلولی و شبکه های عصبی مصنوعی در محیط gis (منطقه مورد مطالعه کرمان)

پایان نامه
چکیده

اتوماتای سلولی سامانه هایی پویا و گسسته به شمار می روند که رفتارشان بر اساس پیوند های محلی استوار است. فضا در این جا به صورت شبکه ای از سلول ها با مجموعه ای متناهی از وضعیت ها تعریف می شود که در هر گام زمانی، هر سلول وضعیت جدید خود را با توجه به همسایه های خود و بر پایه قوانین تعریف شده به دست می آورد. با توجه به اینکه در مدلسازی با استفاده از اتوماتای سلولی قیود بسیاری در گسترش شهر نقش دارند، یافتن مدل ریاضی ساده و آسان کار بسیار دشواری می باشد. برای آن که بتوان در کمترین زمان، حجم بالایی از اطلاعات را مدلسازی کرد، در این مطالعه با استفاده از شبکه های عصبی کوشش شده است تا این مشکل بر طرف گردد. هدف اصلی در این پژوهش بدست آوردن مدلی تلفیقی بر مبنای اتوماتای سلولی و شبکه های عصبی مصنوعی، جهت شبیه سازی و پیش بینی توسعه شهری است. مدل گسترش شهری پیشنهادی در این پژوهش برای شبیه سازی رشد شهر کرمان بین سال های 1987 و 2009 میلادی بر روی تصاویر ماهواره لندست با تفکیک پذیری مکانی 5/28 متر و همسایگی moore با 120 همسایه اطراف سلول مرکزی پیاده سازی شده است. برای بررسی روند گسترش شهر، از مولفه هایی چون فاصله ی اشیاء مکانی در همسایگی هر سلول، فاصله هرسلول از شبکه راه ها و شیب منطقه بهره گیری شده است. برای اجتناب از به کارگیری آزمون و خطا در تعیین وزن مناسب برای مولفه های مدل، شبکه های عصبی براساس فاکتور های بکار رفته مورد استفاده قرار گرفته است. در آزمونی دیگر این پژوهش به مدلسازی توسعه شهری با تفکیک پذیری مکانی 57 و 114 متر پرداخته شد. نتایج نشان داد که با کاهش تفکیک پذیری مکانی دقت نتایج نیز کاهش یافته است. اما باید توجه داشت که دسترسی به داده هایی با توان تفکیک پایین تر، آسان تر و کم هزینه-تر خواهد بود. از این رو، بهره گیری از مدل هایی که افزون بر دقت، دارای حساسیت کمتری به تفکیک پذیری مکانی باشند سودمند است. در ادامه تحقیق به مدلسازی شهر در بازه های زمانی 5، 13، 18 و22 سال پرداخته شد. و بررسی ها نشان داد که بازه زمانی 13 سال، بهینه ترین شاخص کاپا را ارائه داده است. در نهایت با چهار بازه زمانی در سه تفکیک پذیری مختلف، 12 سناریو مورد آزمایش قرار گرفت. و نتایج نشان داد که مدلسازی با تفکیک پذیری 5/28 متر در بازه زمانی 13 سال بهترین شاخص کاپا را با 79/80 درصد ارائه داد.

منابع مشابه

مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس)

استفاده از سیستم اتوبوسرانی درون شهری با توجه به انعطاف پذیری بالا و ارزان بودن آن برای استفاده کننده، در شهرهای بزرگ و به ویژه در کشورهای در حال توسعه امری اجتناب ناپذیر است. از این رو بهبود این سیستم حمل و نقل بدلیل گستره فعالیت آن ضروری به نظر می رسد. یکی از رو شهای ارتقای عملکرد این سیستم، تخصیص بهینه اتوبو سها به خطوط فعال به گونه ای است که نسبت به وضعیت موجود، تعداد مسافر بیشتری حمل نموده...

متن کامل

مدل‌سازی و پیش‌بینی رشد افقی شهر مشهد با استفاده از تلفیق اتوماتای سلولی فازی، شبکه عصبی و رگرسیون لجستیک

در این پژوهش با به‌کارگیری مدل اتوماتای سلولی (CA) توسعه یافته بر مبنای سیستم اطلاعات مکانی (GIS) و ارائه مدلی قدرتمند و ساده سعی بر مدل‌سازی و پیش‌بینی رشد شهر مشهد شده است. با وجود قابلیت‌های فراوان اتوماتای سلولی در مدل‌سازی رشد شهری، این روش دارای محدودیت¬هایی نظیر عدم توانایی در مدل‌سازی عدم قطعیت موجود در سیستم‌های شهری و انجام کالیبراسیون به‌صورت تجربی (روش آزمون‌وخطا) است. در روش پیشنها...

متن کامل

مدلسازی توسعه شهری با استفاده از اتوماسیون سلولی و الگوریتم ژنتیک (منطقه مورد مطالعه: شهر شیراز)

امروزه گسترش فیزیکی روزافزون و بدون برنامه‌ریزی شهرها، باعث کاهش کیفیت زندگی جوامع شهری و غیرشهری شده است. درک فرایند رشد شهری در برنامه ریزی و مدیریت شهری به منظور رسیدن به شهری پایدار بسیار مهم است. از طرف دیگر مدلسازی الگوهای فضایی شهری می تواند دید مناسبی در مورد اینکه چگونه شهرها تحت شرایط مختلف اجتماعی و اقتصادی و محیطی توسعه می‌یابند، ایجاد کند. تاکنون تلاش‌های زیادی در زمینه مدلسازی توس...

متن کامل

مدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس)

استفاده از سیستم اتوبوسرانی درون شهری با توجه به انعطاف پذیری بالا و ارزان بودن آن برای استفاده کننده، در شهرهای بزرگ و به ویژه در کشورهای در حال توسعه امری اجتناب ناپذیر است. از این رو بهبود این سیستم حمل و نقل بدلیل گستره فعالیت آن ضروری به نظر می رسد. یکی از رو شهای ارتقای عملکرد این سیستم، تخصیص بهینه اتوبو سها به خطوط فعال به گونه ای است که نسبت به وضعیت موجود، تعداد مسافر بیشتری حمل نموده...

متن کامل

مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی

مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...

متن کامل

تهیه نقشه قابلیت جاده‏سازی با استفاده از شبکه عصبی مصنوعی و GIS (بررسی موردی: منطقه ارسباران)‌

هدف از این پژوهش ارائه روشی هوشمند مبتنی بر شبکه‏های عصبی مصنوعی برای مدل‌سازی قابلیت منطقه حفاظت‏شده ارسباران برای عبور جاده برای طراحی و اصلاح و توسعه مناسب شبکه جاده و راه‏های ارتباطی موجود در منطقه است. ابتدا با استفاده از فرایند تحلیل سلسله مراتبی (AHP) و روش ترکیب وزن‏دهی خطی (WLC) و به‌کارگیری لایه‌های اطلاعاتی مؤثر بر مسیریابی، نقشه شایستگی جاده‏سازی برای تهیه نمونه‌های آموزشی در محیط A...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده عمران

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023