مراکز مالی و تجاری از مهم ترین مراکز فعالیت های فضای شهری محسوب می شوند و توجه به موقعیت و مکان استقرار آن ها، از مهم ترین عوامل سودآوری و موفقیت این مراکز است. در این مطالعه، برای شناسایی مکان بهینة استقرار مراکز مالی و تجاری، سامانه شبکة عصبی RBFLN، که شکل تغییریافته ای از شبکة عصبی بر پایة تابع شعاعی (RBFNN) است، در تلفیق با فن چندشاخصة ORESTE به کار گرفته شد. داده های دو و چند کلاسة پارامترهای اقتصادی و تجاری، آموزشی و فرهنگی، بهداشتی و درمانی، رفاهی و تفریحی، اداری، جمعیتی، حمل و نقل و ترافیکی بر اساس شعاع تأثیرگذاری، به عنوان بردارهای چندبعدی وارد شبکة عصبی شدند. به منظور یادگیری شبکه، 69 شعبة نمونه در شهر تهران و 34 نقطه غیربهینه به کار گرفته شد. نتایج تحقیق شبکة RBFLN دوکلاسه با دفعات تکرار 800 بار را با کمترین میزان خطای آموزش و طبقه بندی، به عنوان مناسب ترین کلاس برای شناسایی مناطق بهینة (غربالگری) استقرار مراکز مالی و تجاری نشان می دهد. نتایج این غربالگری مناطق بهینة پیشنهادی اولیه را تشکیل می دهند که در ادامه، با فن رتبه بندی چندشاخصة ORESTE با معیارهای کیفی حاصل از مشاهدات میدانی اولویت بندی شدند. این فرایند در شهر تهران و بر روی هر 22 منطقة این شهر اجرا شد.
