آرشیو

آرشیو شماره ها:
۳۲

چکیده

سکونتگاه های غیر رسمی، نماد ناپایداری در نظام های اقتصادی، اجتماعی و فرهنگی جامعه شهری است که پیامد  آن، افزایش میزان آسیب پذیری در ابعاد مختلف، ازجمله در زمینه کالبدی است. این مناطق با انبوهی از مشکلات، کیفیت زندگی شهروندان را تحت تاثیر قرار داده و از طرفی مدیریت بر این بخش از شهر با سایر مناطق شهری متفاوت و دشوار است. بنا بر اهمیت تهدیدات سکونتگاه های غیر رسمی در مقابل مخاطرات محیطی، هدف این مقاله شناخت عوامل مؤثر در آسیب پذیری کالبدی و مدل سازی آن در محله اسدآبادی شهر خرم آباد است. روش تحقیق به لحاظ ماهیت و روش، تحلیلی توصیفی و به لحاظ هدف، کاربردی است. برای تجزیه وتحلیل داده ها، از مدل رگرسیون چند متغیره، مدل ماشینبردار پشتیبان (SVM-ԑ) و الگوریتم جنگل تصادفی (RF) استفاده شد. یافته های تحقیق نشان داد که محله اسدآبادی، در تمام شاخص های کالبدی در وضعیت نامناسبی قرار دارد و از منظر ساکنان محله اسدآبادی، شاخص خدمات عمومی با ضریب رگرسیونی 429/0 بیشترین اثر گذاری را بر آسیب پذیری کالبدی دارد. بر اساس معیارهای ارزیابی، مدل کرنل سیگموئید ماشین بردار از سایر روش ها نتایج بهتری را ارائه می دهد و این مدل، توانایی پیش بینی آسیب پذیری کالبدی مجتمع های سکونتی غیر رسمی در برابر مخاطرات را تا بیش از 60 درصد موارد، صحیح پیش بینی می کند.

Analyzing the Factors Affecting the Physical Vulnerability of Informal Settlements (Case Study: Asadabadi Neighborhood, Khoramabad)

Informal settlements are a symbol of instability in the economic, social and cultural systems of the urban community. The consequence of this instability is to increase the degree of vulnerability in various dimensions, including physical vulnerability. These areas have affected the quality of life of the citizens with their problems, and on the other hand, managing this part of the city is different and difficult compared to other urban areas. According to the importance of threats of informal settlements against environmental hazards, the purpose of this article is to study the effective factors of physical vulnerability and modeling in the Asad Abadi neighborhood of Khorramabad. The research method is analytical-descriptive. In terms of purpose, the research method is applied-developmental. For data analysis, multivariate regression model, support vector machine model (SVM-ԑ) and random forest (RF) algorithm were used. The research findings showed that Assad Abadi neighborhood is in poor condition according to all physical indicators. From the perspective of residents of Asad Abadi neighborhood, the public service index with a regression coefficient of 0.429 has the most effect on physical vulnerability. Based on the evaluation criteria, the sigmoidal kernel model of the vector machine gives better results than the other methods. This model correctly predicts the physical vulnerability of informal residential complexes to hazards in more than 60% of cases.

تبلیغات