عبدالخالق چارکانه

عبدالخالق چارکانه

مدرک تحصیلی: دانشجوی کارشناسی ارشد سنجش از دور و سیستمهای اطلاعات جغرافیایی، دانشکده جغرافیا، دانشگاه تهران

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۱ مورد از کل ۱ مورد.
۱.

پتانسیل یابی مناطق توسعه شهری با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: شهر کرمانشاه)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: پتانسیل یابی توسعه شهری شبکه عصبی طبقه بندی MLP

حوزه های تخصصی:
تعداد بازدید : ۷۱۸ تعداد دانلود : ۳۵۴
رشد سریع شهرنشینی و توسعه شهری به ویژه در کشورهای درحال توسعه، به درک الگو و فرایندهای پیچیده رشد شهری با روش علمی و کارآمد نیاز دارد. لازمه ایجاد رشد شهری پایدار و برنامه ریزی توسعه شهری، درک الگوهای صحیح رشد شهری است. کرمانشاه نهمین شهر پرجمعیت کشور و یکی از چهار شهر نخست ایران از نظر حادبودن معضل حاشیه نشینی است. هدف این پژوهش، بررسی پتانسیل توسعه شهری در این شهر است. بدین منظور، شبکه عصبی پرسپترون چندلایه (MLP) با الگوریتم آموزش لونبرگ- مارکوات به کار رفت و داده های مؤثر در توسعه شهری به عنوان لایه های ورودی به شبکه تعیین شد. این لایه ها که در سه گروه اجتماعی-اقتصادی، کاربری زمین و بیوفیزیک قرار می گیرند، شامل 16 لایه هستند. در ادامه، پانصد نقطه به عنوان نقاط آموزشی شبکه تهیه و ۱۲ لایه میانی نیز تعیین شدند. مطابق نتایج، با دورشدن از امکانات و مناطق شهری، پتانسیل ها به شدت کاهش پیدا می کنند و بیشتر مناطق دارای پتانسیل توسعه شهری در نزدیک ترین فاصله این امکانات و مناطق شهری قرار دارند. بیشترین مناطق پتانسیل دار توسعه شهری، در جنوب غرب شهر کرمانشاه و در اطراف جاده های اصلی کرمانشاه-اسلام آباد و کرمانشاه-کنگاور واقع است. مناطق شمالی شهر به دلیل ارتفاع و شیب زیاد، پتانسیل اندکی برای توسعه دارند. همچنین ضریب رگرسیون کلی 9۵ درصدی شبکه که حاصل شرکت تمامی داده ها در شبکه است، کارایی زیاد شبکه عصبی پرسپترون چندلایه را در این مطالعه نشان می دهد.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان