آرا تومانیان

داده کاوی دانشی در زمینه تحلیل و آنالیز داده ها و اطلاعات ورودی یک سیستم است. این دانش با تکیه بر الگوریتم ها و ابزارهایی که دارد، آمارهای مفیدی را در اختیار کسب و کارها قرار داده است. یکی از کاربردهای مهم داده کاوی تحقیقات جنایی و بخش جرم شناسی است. این علم سبب شده تا با بررسی ارتباطات حوادث جنایی، اقداماتی براساس تحلیل داده ها برای پیشگیری از جرم صورت گیرد. این پژوهش با هدف شناسایی کانون های جرم خیز و تحلیل الگوهای مکانی جرایم مرتبط با مواد مخدر در شهر اصفهان انجام گرفته است. بدین منظور برای تحلیل توزیع فضایی در محیط سیستم اطلاعات مکانی از روش های شاخص میانگین نزدیکترین همسایه و تخمین تراکم کرنل استفاده شد. سپس پراکنش نقاط جرم خیز براساس کاربری های موجود در شهر اصفهان به تفکیک شش نوع ماده مخدر بررسی و بعد از تعیین فاصله نقاط جرم خیز با کاربری های مورد نظر نتایج در قالب یک جدول اطلاعاتی به عنوان پایگاه داده برای داده کاوی به روش استخراج قواعد انجمنی با الگوریتم اپریوری وارد نرم افزار اورنج شد. نتایج بررسی های حاصل از استخراج قواعد انجمنی نشان داد، رابطه فضایی فاصله از ایستگاه پلیس و مصرف مواد مخدر تریاک معکوس و مصرف حشیش با کاربری پارک رابطه مستقیم دارند. هم چنین مصرف گراس و ماریجوانا رابطه مستقیمی با ایستگاه های پلیس دارد به این معنی که به طور معناداری مصرف این ماده مخدر در نزدیکی مراکز پلیس اتفاق افتاده است.

بین انواع ذرات معلق در هوا، ذراتی با قطر کمتر از 10 میکرون اثرات سوء بسیاری بر سلامتی انسان ها دارد. پارامترهای هواشناسی و جابجایی حجم بالایی از وسایل نقلیه مهم ترین عوامل تعدیل کننده در پراکنش و غلظت آلاینده های جوی محسوب می شوند. در این مطالعه، به منظوربه منظور پیش بینی غلظت آلاینده PM_10 طی یک باز بلند مدت در شهر تهران، مدل ترکیبی GA-ANFIS بکار برده شد. سرعت باد، جهت باد، دما، رطوبت نسبی و حجم ترافیک به عنوان ورودی ها و غلظت آلاینده PM_10 به عنوان خروجی مدل در نظر گرفته شد. نتایج حاصل از محاسبه شاخص های عملکرد نشان داد که مدل ترکیبی GA-ANFIS نسبت به مدل ANFIS قابلیت مطلوب تری در پیش بینی غلظت آلاینده PM_10 ارائه می دهد. به منظور ارزیابی الگوهای مکانی-زمانی غلظت آلاینده PM_10 و شناسایی لکه های داغ و سرد در شهر تهران، آماره موران محلی و آماره گتیس ارد-جی محاسبه شد. نتایج نشان داد که سطح خوشه بندی بالایی از آلاینده PM_10 در تهران (با سطح اطمینان 95 درصد) وجود دارد. خوشه های PM_10  شهر را به دو بخش شمالی و جنوبی تقسیم کرده اند به طوری که بیشتر نقاط سرد در نیمه شمالی و نقاط داغ در جنوب تا مرکز شهر گسترش پیدا کرده اند. 

رشد جمعیت و افزایش نیاز بشر به بهداشت و درمان، سبب افزایش تولید پسماندهای پزشکی شده است. در این میان جمع آوری و انتقال به مراکز دفن این پسماندها در کمترین زمان ممکن لازم است. یکی از ضروری ترین فاکتورهای مسیریابی وسایل نقلیه جمع آوری پسماند زمان سفر است. محاسبه زمان سفر به پارامترهای فراوانی بستگی دارد. رویکردی که همه پارامترهای تأثیرگذار در این امر را لحاظ و همچنین میزان تأثیر آن ها را تعیین می کند، می تواند به محاسبه دقیق زمان سفر و به تبع آن یافتن مسیر مناسب منجر شود. هدف اصلی این مقاله، تخمین دقیق زمان سفر با به کارگیری همه پارامترهای تأثیرگذار در پیمودن یک معبر برای وسایل نقلیه جمع آوری پسماند پزشکی است که با توجه به نیاز به یادگیری مکانی زمانی از الگوریتم های شبکه عصبی مصنوعی استفاده شده است که به نوعی نوآوری پژوهش نیز است. درواقع علاوه بر پارامترهای ایستا، به منظور به دست آوردن داده های پویا که یکی از محدودیت های اصلی این رویکرد است، از داده های لحظه ای دوربین های سازمان کنترل ترافیک و گوگل استفاده شده است. از داده های واقعی زمان سفر که وسایل نقلیه به منظور جمع آوری پسماند درمانی صرف کرده اند، به عنوان خروجی شبکه عصبی استفاده شده است. مدل پیشنهادی استفاده شده شبکه عصبی مکانی-زمانی (ST-ANN) نام دارد؛ زیرا لحظه حرکت وسیله نقلیه دو پارامتر زمان و مکان مشخص است. از پارامتر مکان ویژگی های ایستا و از پارامتر زمان ویژگی های پویای مربوط به آن گذر مشخص می شود. در این پژوهش، از بازه های زمانی 30 دقیقه ای استفاده شد. سپس این نتایج بر پایه زمان روز ترکیب تا زمان سفر پیش بینی شدند. در اجرای ST-ANN به منظور تعیین معماری مناسب 24 ترکیب متفاوت از اجزای آن اجرا شد و از تعداد 937 یال، 70، 15 و 15 درصد آن به ترتیب برای نمونه آموزشی، اعتبار سنجی و کالیبره کردن مدل استفاده و درنهایت با ضریب هم بستگی 91 درصد زمان سفر هر یال برآورد شد. از طرفی نتایج پژوهش با مدل های دیگر و با دو معیار ضریب هم بستگی (R²) و خطای میانگین مربعات (MSE) بررسی و مشاهده شد R² به مقادیر 11/0، 08/0 و 02/0 و MSE به مقادیر 278، 190 و 26 بهبود یافته اند.

منطقه ویژه اقتصادی انرژی پارس بزرگ ترین منطقه ویژه اقتصادی صنایع نفت و گاز و پتروشیمی در جهان است. در این تحقیق با استفاده از تصاویر لندست تغییرات کاربری/ پوشش اراضی این منطقه پیش از تأسیس (1377-۱۳۶۴) و بعد از آن (۱۳۷۷-1397) محاسبه شد. با تلفیق مساحت به دست آمده از هر کلاس با ارزش اقتصادی خدمات اکوسیستمی آن ها، روند تغییرات ارزش خدمات اکوسیستمی منطقه مقایسه شد. نتایج نشان دهنده آن است که پیش از تأسیس این منطقه در بین سال های 1364 تا 1377 اراضی کشاورزی و نخلستان ها به میزان 79/308 و 48/852 هکتار (56/75 و 100درصد) افزایش و جنگل های مانگرو به میزان 68/67 هکتار (45/36درصد) کاهش یافته است. با تأسیس این منطقه در سال 1377 شاهد افزایش اراضی انسان ساخت و جنگل های مانگرو به میزان 61/2756 و 40/113 هکتار (100 و 11/96درصد) و کاهش اراضی کشاورزی و نخلستان ها به میزان 53/397 و 33/579 هکتار (41/55 و 21/34درصد) تا سال 1397 بوده ایم. کاهش تالاب نای بند به میزان 4000 هکتار (79/46درصد) مهم ترین تغییرات انجام گرفته در این منطقه است که ارزش اقتصادی خدمات اکوسیستمی این میزان از تالاب نابودشده برابر با صد میلیون دلار در سال است.

امروزه فناوری اطلاعات مکانی به یکی از مهمترین ابزارهای پشتیانی تصمیم گیری، برنامه ریزی، سازماندهی، فرماندهی و کنترل در بسیاری از حوزه های عمرانی، سیاسی، اقتصادی، اجتماعی، امنیتی و نظامی تبدیل شده است. سیر تحول و تکامل بهره گیری از اطلاعات مکانی پس از سیستم های اطلاعات مکانی (GIS)، فن آوری زیرساخت داده های مکانی (SDI) را بوجود آورده است. SDI مجموعه ای پایه ای از فن آوری ها، سیاست گذاری ها و ترتیبات سازمانی می باشد که دسترسی بهینه به داده های مکانی را هماهنگ می سازد. توسعه SDI یکی از معیارهای ارزیابی توسعه کشورها محسوب می شود. تحقیق حاضر با هدف تدوین سناریوهای پیش روی شاخص های راهبردی توسعه SDI دفاعی در آینده میان مدت با استفاده از روش پویایی سیستم شکل گرفته است. بدین منظور با استفاده از مطالعه سوابق و نظر خبرگان، تعداد سه شاخص به عنوان شاخص های راهبردی توسعه SDI دفاعی و موتورهای رشد سیستم تعیین و متغیرهای کلیدی تأثیرگذار در روند رشد هر یک از آنها شناسایی گردید. در ادامه با تدوین فرضیه دینامیکی و ترسیم نمودار حالت- جریان در محیط نرم افزار Vensim،  سناریوهای پیش روی هر یک از موتورهای رشد در ده سال آینده شبیه سازی گردید. مدل های حاصل با  پیش بینی رفتار هر یک از شاخص ها در شرایط مختلف، ما را در برنامه ریزی راهبردی به منظور دستیابی به یک SDI کارا یاری می نماید. نتایج حاصل از تحلیل عملکرد مدل ها نشان می دهد که اولویت سیاست گذاری و برنامه ریزی به ترتیب با شاخص امنیت داده ها، مشارکت بخش ها و استانداردسازی داده ها می باشد. 

زندگی در شهرهای امروزی در تعامل با شرایط مختلف محیطی، اجتماعی اقتصادی، زیرساختی، بهداشتی، امنیتی، سیاسی و فرهنگی شکل می گیرد. حاصل این تعامل، کیفیت زندگی شهری را شکل می دهد. به طور کلی کیفیت زندگی با دو دیدگاه عینی [1] و ذهنی [2] ارزیابی شده است. تحقیقات انجام شده در این زمینه عمدتا در قالب مطالعات اجتماعی و در مقیاس های جغرافیایی کلان (کشورهایاشهرها) انجام شده و به تفاوت های فضایی کیفیت زندگی در محیط های پیچیده شهری توجه کمتری شده است. علاوه بر این کیفیت زندگی به عنوان یکی از ویژگی های محیط جغرافیایی، مفهومی پویا است. به این معنا که در بستر مکان و در طی زمان،این ویژگی تغییر می کند. مدل سازی مکانی زمانی این مفهوم می تواند به پایش کیفیت زندگی شهری و برنامه ریزی برای بهبود آن کمک نماید. هدف این مطالعه ارائه چهارچوب و فرآیندی جهت مدل سازی مکانی زمانی کیفیت زندگی شهری می باشد. به منظور مدل سازی مکانی کیفیت زندگی، ابتدا شاخص های مؤثر در نظر گرفته شد و سپس با استفاده از فرآیند تحلیل سلسله مراتبی وزن دهی گردید. در ادامه با استفاده از مدل فازی گاما و روش همپوشانی و یکور- فازی شاخص ها تلفیق شدند. با توجه به متغیربودن شاخص های زیست محیطی و برخی از شاخص های زیرساختی/کالبدی در فصول سال، مدل سازی زمانی کیفیت زندگی بر اساس رویکرد نمایش لحظه ای [3] در مقیاس فصلی انجام شد. به منظور ارزیابی فرآیند توسعه داده شده، کیفیت زندگی در سطح بلوک های شهری در مناطق 3، 6 و 11 شهر تهران مدل سازی گردید. بر اساس نتایج حاصل از مدل سازی مکانی، بخش های شمالی محدوده (منطقه 3) از کیفیت زندگی مطلوب تری برخورداراست، درحالی که به سمت جنوب محدوده، مطلوبیت کاهش می یابد. بررسی شاخص خودهمبستگی مکانی موران (بزرگتراز 35/0 برای نتایج هر دو مدل و همه فصول) برعدم تصادفی بودن نحوه توزیع و یژگی کیفیت زندگی در بلوک های شهری تأکید دارد و وجودالگوی خوشه ای در محدوده مورد مطالعه را نشان می دهد. نتایج مدل سازی زمانی نشان داد که اغلب بلوک ها در فصول بهار و پاییز از نظر زیست محیطی شرایط مطلوب تری نسبت به فصول زمستان و تابستان دارند. برعکس در بعد زیرساختی/کالبدی فصل تابستان وضعیت مطلوب تری را نسبت به سایر فصول نشان می دهد. [1] - Objective [2] - Subjective [3] - Snapshot

امروزه شهرهای کشورهای درحال توسعه و توسعه یافته، به طور هم زمان در حال تجربة تغییرات سریع و رشد در مساحت و جمعیت هستند. لازمة مدیریت رشد شهری پایدار و برنامه ریزی توسعة شهری، درک الگوهای صحیح رشد شهری است. در این تحقیق سعی شده تا روند گسترش مناطق شهری تبریز با استفاده از تصاویر ماهواره ای از سال 1372 تا 1392 برآورد، و نقشة رشد شهری سال 1407 با استفاده از مدل ترکیبی مارکوف- سلول های خودکار (CA-Markov) شبیه سازی شود. نتایج نشان می دهد در این مدت مناطق شهری در سال 1372 از 70 هزار و 90 به 11 هزار و 697 هکتار در سال 1392 افزایش داشته است که 98/64 درصد رشد را نشان می دهد، همچنین با استفاده از مدل CA-Markov با دقت کلی 91 درصد می توان گفت این افزایش در پانزده سال آینده، یعنی تا سال 1407 نیز ادامه خواهد داشت و با رشد 25 درصدی در مقایسه با سال 1392 به 14 هزار و 690 هکتار خواهد رسید، با توجه به این مسئله نیاز به برنامه ریزی مناسب به منظور کاهش آسیب های ناشی از رشد شهری به دیگر ابعاد شهری احساس می شود.

تحلیل تناسب اراضی، با توجه به ظرفیت ها و درنظرگرفتن ملاحظات اجتماعی، اقتصادی و زیست محیطی از مهم ترین مباحث جغرافیایی در برنامه های آمایش سرزمین است. نبود دیدگاهی یکپارچه و عدم قطعیت موجود در این مسائل موجب شده که تحلیل تناسب اراضی با تعارض هایی ذاتی همراه باشد. در حال حاضر تحلیل تناسب اراضی در برنامه های آمایش بدون درنظرگرفتن تعارضات حاکم بر جریان مدل سازی تحلیل اراضی صورت می گیرد. هدف پژوهش حاضر، توسعه یک سیستم پشتیبان تصمیم گیری مکانی ( SDSS ) متناسب با نیاز برنامه های آمایشی، برمبنای مدل لوسیس ( LUCIS ) است. پژوهش حاضر، بر سه نوع عمده کاربری اراضی یعنی شهری، کشاورزی و منابع طبیعی با دیدگاهی یکپارچه متمرکز می شود. در سامانه طراحی شده، تقاضا و ملاحظات مربوط به ذی نفعان، با توسعه و به کارگیری یک سامانه پشتیبان تصمیم گیری مکانی ( SDSS ) عملیاتی شده است. در این راستا از تحلیل تصمیم گیری چندمعیاره ( MCDA )، در کنار قابلیت های سیستم اطلاعات جغرافیایی ( GIS ) بهره گرفته شد. دست آورد تحقیق سیستمی مکانی متناسب با نظریات تصمیم گیرندگان است که تحلیل تناسب اراضی را با درنظرگرفتن تعارضات موجود مدل سازی می کند.

امروزه بانک ها و موسسات مالی و اعتباری برای افزایش سود، کاهش هزینه، رقابت با رقبا، جذب مشتریان و افزایش بهره وری در تلاش هستند. یکی از عواملی که به عملی کردن این استراتژی ها کمک می کند مکان یابی بهینه شعب می باشد. این تحقیق با هدف مکان یابی شعب جدید بانک مهر اقتصاد در منطقه یک شهر تهران انجام گرفته است. از آنجا که تمرکز مراکز خدماتی از جمله بانکها بر بیشترین سرویس دهی و یا در صورت امکان سرویسدهی کامل خدمات به مشتریان است از بین تمامی مدلهای پوشش، مدل حداکثر پوشش به عنوان بهترین گزینه برای مکانیابی شعب بانک انتخاب شده است. برای این منظور ابتدا ادبیات مکانیابی شعب بانک، سیستم اطلاعات جغرافیایی (GIS) و مساله مکانیابی حداکثر پوشش (MCLP) بررسی شدند. سپس محقق از طریق مطالعات کتابخانه ای و مصاحبه با کارشناسان به شناسایی معیارها و زیرمعیارهای موثر در مکانیابی شعب بانک پرداخت. وزن معیارها و زیرمعیارها با پخش کردن پرسشنامه بین مدیران بانک تعیین گردید. از سیستم اطلاعات جغرافیایی برای استخراج برخی از اطلاعات ورودی به مدل و از مدل حداکثر پوشش وزندار با در نظر گرفتن پوشش جزئی برای تعیین بهترین مکانها استفاده شد. مدل برنامهریزی ریاضی با 393 متغیر صفر و یک، 122 محدودیت، 121 ناحیه تقاضا، 121 نقطه بالقوه، بافر 1111 متر،

برنامه ریزان در تخصیص زمین به فعالیتی خاص همواره با یک سری تعارض های مکانی مواجه اند؛ بدان معنا که یک مکان ممکن است برای دو یا چند کاربرد هم زمان در اولویت استفاده قرار گیرد. در حال حاضر، در طرح های آمایش سرزمین، شناسایی اولویت های تخصیص زمین به صورت مجزا و بدون درنظرگرفتن نقش سایر کاربری ها مدل سازی می شود. همچنین تعارض های احتمالی تناسب زمین مبحثی است که از آن غفلت شده است. هدف پژوهش حاضر، معرفی و استفاده از مدل آمایشی لوسیس (LUCIS) به منظور شناسایی اولویت های تخصیص اراضی به همراه مدل سازی تعارض هاست. برای پیاده سازی مدل لوسیس با استفاده از زبان برنامه نویسی پایتون جعبه ابزاری در محیط نرم افزار ArcGIS توسعه داده شده که به واسطه آن با تعریف ورودی ها، وزن ها و اولویت های ذی نفعان، مدل سازی کاربری اراضی به صورت خودکار صورت گرفته است. درنهایت، اولویت ها و تعارض های عمده در رابطه با تخصیص اراضی در محدوده مورد مطالعه شناسایی شده است. نتایج پژوهش حاضر نشان می دهد مدل لوسیس علاوه بر داشتن قابلیت های سایر مدل های تحلیل تناسب اراضی، به شکل مناسبی می تواند تعارض های موجود را مدل سازی کند. بنابراین پیشنهاد می شود در شرح خدمات طرح های آمایش سرزمین بخشی تحت عنوان «شناسایی تعارض های تناسب اراضی» تعریف شود.

تحقیقات نشان می دهد که بیش از 80% داده های مورد نیاز سازمان ها در امور مختلف مدیریت، برنامه ریزی، اجرا ذاتاً مکانی هستند و یا ماهیت و ویژگی مکانی دارند. با این حال مشکلات قابل توجه ای در زمینه دسترسی، قابلیت استفاده، قابلیت اطمینان، به روز بودن و دقت اطلاعات مکانی وجود دارد. شناسایی دقیق این مشکلات به منظور برنامه ریزی بهتر و مؤثرتر در آینده نه چندان دور جهت غلبه بر این نارسایی ها امری ضروری و حیاتی به نظر می رسد. پژوهش حاضر با هدف بررسی مشکلات پیش روی مدیریت بهینه اطلاعات مکانی در حوزه دفاعی با رویکرد آینده پژهی شکل گرفته است. در این راستا با استفاده از مطالعه ادبیات تحقیق و انجام مصاحبه با خبرگان و متخصصین اطلاعات مکانی، تعداد 40 مشکل در چهار زمینه موجودیت، در دسترس بودن، قابلیت به کارگیری و میزان استفاده از داد ه های مکانی شناسایی گردید. نتایج تحقیق نشان می دهد بیشترین نارسایی ها به ترتیب در زمینه در دسترس بودن، قابلیت به کارگیری، موجودیت و میزان استفاده از داده مکانی می باشد. توسعه زیرساخت داده های مکانی نیز به عنوان چارچوبی و مکانیزمی پایدار، برای این مشکلات تشریح داده شد. در پایان با توجه به نتایج تحقیق پیشنهادهایی به منظور بهینه سازی مدیریت اطلاعات مکانی در افق 1404 ارائه گردیده است. 

زیرساخت داده های مکانی مجموعه ای متشکل از استانداردها، سیاست ها، شبکه های دسترسی، فن آوری ها، داده های اولیه، سازمان ها و نیروی انسانی می باشد که امور دسترسی به داده های مکانی را تسهیل نموده و به عنوان مکانیسم پایداری برای حل مشکلات موجود در این حوزه مورداستفاده قرار می گیرد. تحقیق پیشرو با داشتن افق دید منطبق با چشم انداز 1404 کشور، باهدف بررسی دغدغه های فعلی در حوزه اطلاعات مکانی و شناسایی فاکتورهای مؤثر در ایجاد SDI دفاعی شکل گرفته و ضمن بهره گیری از روش های ترکیبی آینده پژوهی، راهبردهای ایجاد SDI در سامانه های فرماندهی و مدیریت نظامی آینده میان مدت را ارائه نموده است. این پژوهش بر اساس روش شناختی در قالب مدل SWOT انجام شده و داده های آن از طریق پرسشنامه، مطالعات میدانی و کتابخانه ای جمع آوری گردیده است. بر این اساس ابتدا نقاط ضعف و قوت درون سازمانی و فرصت ها و تهدیدهای برون سازمانی برای هر یک از مؤلفه های زیرساخت داده های مکانی شناسایی و کدگذاری شدند و با تجزیه وتحلیل نتایج، شاخص های آماری و وزن نهایی برای تک تک پارامترها مشخص گردید. در پایان ماتریس مقایسه زوجی SWOT تشکیل گردید و تعداد 676 راهبرد به عنوان خروجی مدل SWOT به دست آمده آمد که با تعریف آستانه مناسب، تعداد 22 راهبرد به عنوان راهبردهای نهایی ایجاد زیرساخت داده های مکانی در سامانه های فرماندهی و مدیریت نظامی در افق 1404 استخراج و ارائه گردید. نتایج حاصل از این پژوهش نشان می دهد راهبرد بزرگ یا ژنریک که مشتمل بر 9 راهبرد می باشد در ناحیه 1 (SO) ماتریس SWOT واقع شده که بیانگر اتخاذ تدابیر یا پیشنهاد استفاده از فرصت های محیطی با به کارگیری نقاط قوت سازمانی می باشد.

یکی از مهم ترین موضوع ها برای پیش بینی آب مورد نیاز یک منطقه در آینده، انتخاب مهم ترین شاخص ها و تعیین وزن آنهاست. در فرایند تصمیم گیری چندمعیاره (MCDM) در انتخاب مدل برای تصمیم گیری، نمی توان به همه شاخص هایی که احتمال دارد مؤثر باشند توجه کرد؛ زیرا این کار ممکن است از لحاظ زمان اجرا یا دقت برای موضوع تحقیق بهینه نباشد. از طرفی موضوع بررسی میزان آب مورد نیاز یک منطقه پیچیده و مهم است؛ لذا برای رسیدن به این مهم باید از بهترین مدل و شاخص ها استفاده کرد. هدف این پژوهش انتخاب مهم ترین شاخص ها با استفاده از شبیه سازی مونت کارلو و روش الکتری و سپس نحوه پراکندگی میزان آب مورد نیاز مناطق شهر کرمانشاه در سال ۱۴۰۰ با استفاده از سیستم استنباط فازی است. از روش الکتری برای انتخاب مهم ترین شاخص ها و از روش مونت کارلو برای تعیین وزن شاخص های انتخابی استفاده شده است. در این تحقیق ۱۰ شاخص طبیعی و زیرساخت انسانی برای توسعه شهر کرمانشاه انتخاب شده و با استفاده از نظرسنجی ۴۰ کارشناس خبره ارزش دهی شده اند. روش الکتری این شاخص ها را فیلتر کرده است و با استفاده از شبیه سازی مونت کارلو میزان عدم اطمینان نظرسنجی کاهش داده شده و وزن شاخص ها نسبت به هم رتبه بندی شده است. نتایج حاکی از آن است که پاسخ دو مدل سیستم استنباط فازی و مدل تلفیقی مونت کارلو- استنباط فازی با هم اختلاف زیادی دارند و استفاده از نتایج مدل مونت کارلو- استنباط فازی برای مدیریت منابع آبی ریسک کمتری دارد.

نوع و میزان کاربری اراضی و نحوه استفاده از زمین در سطح شهرها تأثیر غیرقابل انکاری در شکل گیری الگوهای رفتاری هنجار و نابهنجار دارد. در بسیاری از موارد کمبود یا نبود یک کاربری خاص تسهیل کننده یا مانع بروز بزهکاری است. بنابراین، شناسایی ارتباط نوع و میزان کاربری با وقوع جرایم نقش تعیین کننده ای در فرایند برنامه ریزی پیشگیری از جرم دارد. در پژوهش حاضر با هدف تحلیل نوع کاربری اراضی در فضاهای شهری و وقوع بزهکاری ارتباط بین نوع و میزان وجود کاربری های مسکونی، تجاری و بانک ها با ارتکاب بزه شرارت مورد سنجش قرارگرفتهاست. این پژوهش از نوع کاربردی است که به شیوه توصیفی- تحلیلی انجام شدهاست. داده های پژوهش به دو روش اسنادی و میدانی گردآوری و به منظور تحلیل مکانی ارتباط بین متغیرهای مورد بررسی از مدل آنتروپی محلی استفاده شده است. نتایج حاصل از خودهمبستگی مکانی متغیرهای پژوهش نشان دهنده الگوهای خوشه ای معنادار درزمینه وقوع بزه شرارت در شهر تهران است. با توجه به تراکم بزهکاری در مناطق خاصی از شهر تهران انطباق و ارتباط معنادار جرایم و کاربری های مورد پژوهش در برخی از محدوده ها بسیار قوی است و بیانگر معناداری بسیار بالایی(در سطح بونفرونی) است. هرچند تمامی کاربری ها تأثیر یکسانی بر وقوع بزه -شرارت- ندارد. یافته های پژوهش بر ضرورت انجام پژوهش های بیشتر به منظور تشخیص عوامل بروز بزهکاری تحتتأثیر نوع کاربری های خاص تنها در محدوده لکه های شناسایی شده و سعی در کاهش تأثیر این عوامل به منظور پیشگیری و کنترل بزهکاری در این محدوده های خاص را نشانمی دهد.