هاتف الرحمن صالحی آسفیچی

اهداف: پیدایش محیطی در هم تنیده، آلوده و پرازدحام در شهر تهران، لزوم مدیریت بهینة منابع طبیعی و استفادة درست از پهنة زمین در این شهر را بیش از پیش نمایان ساخته است. هدف اصلی این پژوهش، شبیه سازی توسعة شهری کلان شهر تهران بین سال های 1990 و 2010 میلادی و نهایتاً ارزیابی کارآیی مدل های ترکیبی و رایج سلولی مبتنی بر الگوی ترکیبی سلول های خودکار و الگوریتم شبکة عصبی مصنوعی است. روش: به دلیل وجود توانایی ها و مزایایی که شبکة عصبی در تشخیص الگوهای مکانی دارا است، در این پژوهش از شبکة پرسپترون چندلایه جهت شبیه سازی و پیش بینی توسعة شهری استفاده شده است. پارامترهایی از قبیل فاصله از نزدیکترین شیء و یا پیکسل شهری، فاصله از خیابان ها و راه ها، فاصله از مراکز جذب نیز به عنوان پارامترهای مؤثر در رشد و توسعة شهری در نظر گرفته شده اند. یافته ها/ نتایج: به کارگیری تلفیقی مدل سلول های خودکار و الگوریتم بهینه سازی شبکة عصبی مصنوعی، می تواند در فرایند کالیبراسیون قوانین انتقال سلول های خودکار بهبود ایجاد کند. مقایسة آماری واقعیت زمینی شهر تهران در سال ۲۰۱۰ با تصاویر شبیه سازی شدة حاصل از مدل ترکیبی و نیز مدل رایج رستری سلول های خودکار، بیان گر دقت بالاتر مدل پیشنهادی است، به گونه ای که طبق نتایج مدل سازی مبتنی بر دو تصویر، شاخص کاپا و دقت کلی برای مدل ترکیبی به ترتیب به میزان 76% و 90.69% و برای مدل رایج رستری، به میزان 70.47% و 87.85% و نیز طبق مدل سازی مبتنی بر سه تصویر، این شاخص ها به ترتیب برای مدل ترکیبی به میزان 69.18% و 84.88% و برای مدل رایج رستری به میزان 63.37% و 82.98% برآورد شده است. نتیجه گیری: پژوهش حاضر نشان داد که بررسی روند تغییرات مکانی-زمانی پدیده ها از جمله گسترش شهرها، نیازمند به کارگیری الگوهایی پویا در زمان است. در این میان، الگوی ترکیبی خودکاره های سلولی به سبب ساختار ساده و پویای خویش و نیز برخورداری از ویژگی های قدرتمند مکانی، در این گونه مدلﺳﺎزی ها می توانند استفاده شوند.