شبکه عصبی کوهونن

نقشه هایپوشش/کاربریاراضیحاصلازتصاویرماهواره اینقشمهمیدرارزیابی هایمنطقه ایوملیپوشش/کاربریاراضیایفامی کنند.طیّ سال های گذشته، کاربردهای زیادی از روش های طبقه بندی شبکه عصبی مصنوعی برای طبقه بندی پوشش/کاربری اراضی در منابع گزارش شده است، اما مطالعات معدودی، مقایسه ی آنها با هم را ارزیابی نموده اند. در این مطالعه، ابتدا تصحیحات هندسی بر روی داده های+ ETM صورت گرفت. سپس با بازدیدهای میدانی، طبقات مختلف پوشش/کاربری اراضی تعریف و نمونه های آموزشی انتخاب گردید. در این مطالعه، هدف اصلی مقایسه ی چهار روش شبکه ی عصبی مصنوعی برای طبقه بندی پوشش سطح زمین در سه منطقه ی مهران (مرکز استان ایلام)، دویرج (جنوب استان ایلام) و سرابله (شمال استان ایلام) با شرایط اقلیمی متفاوت می باشد. در این مطالعه، از روش های شبکه ی عصبی مصنوعی آرتمپ فازی، تابع پایه شعاعی، کوهونن و پرسپترون چند لایه استفاده شده است. نتایج ارزیابی دقت تصاویر طبقه بندی شده نشان داد که روش طبقه بندی آرتمپ فازی با دقت کل متوسط 84/9۴ و ضریب کاپای متوسط 93/0 درصد دارای بیشترین دقت نسبت به سایر روش های بررسی شده می باشد. اختلاف دقت کل متوسط در این روش نسبت به روش تابع پرسپترون 44/11 و اختلاف ضریب کاپا متوسط 18/0 درصد، نسبت به روش کوهونن به ترتیب 3/17 و 23/0 درصد و نسبت به روش پایه شعاعی 01/31 و 36/0 درصد می باشد. در این تحقیق، بالاترین دقت طبقه بندی مربوط به طبقه بندی شبکه ی عصبی مصنوعی آرتمپ فازی بود. بنابراین این مطالعه کارایی و قابلیت روش شبکه ی عصبی مصنوعی آرتمپ فازی را در طبقه بندی بهتر تصاویر سنجش از دور اثبات می نماید.

طبقه بندی ایستگاه های هواشناسی موجب اختصاص حجم زیادی از اطلاعات به چند دسته متجانس کوچک تر، سهولت استفاده در مدل سازی و هم چنین کمک شایانی به گسترش اطلاعات نقطه ای به اطلاعات منطقه ای برای نقاط فاقد آمار می نماید. در این تحقیق 112 ایستگاه هواشناسی پس از بررسی های اولیه از بین تمام ایستگاه های سینوپتیک کشور انتخاب و سپس با استفاده از خوشه بندی فازی و شبکه عصبی مصنوعی کوهونن طبقه بندی دمائی آنها مورد بررسی قرار گرفت. میانگین دمای سالانه، طول جغرافیایی، عرض جغرافیایی و ارتفاع ایستگاه ها به عنوان پارامترهای ورودی معیارهای طبقه بندی در نظر گرفته شدند. تعداد بهینه خوشه ها با استفاده از شاخص دیویس-بولدین، محاسبه و ایستگاه های هر خوشه به تفکیک مشخص و با کمک سیستم اطلاعات جغرافیائی روی نقشه مشخص گردید. در ادامه از پهنه بندی اقلیمی کشور بر اساس روش دمارتن جهت ارزیابی دقت هر دو روش استفاده گردید. هر چند نتایج حاکی از دقت قابل قبول هر دو روش می باشد، لیکن خوشه بندی فازی تا حدودی نسبت به شبکه عصبی کوهونن انطباق بهتری را با پهنه های اقلیمی حاصل از روش دمارتن نشان می دهد

آگاهی از نقاط قوت و ضعف شهرها، برای ارائه طرح ها، سیاست گذاریها و برنامه های شهر ضروری است. در واقع استفاده از شاخص-های اقتصادی، اجتماعی، کالبدی و غیره می تواند معیاری مناسب برای تعیین جایگاه شهرها باشد و زمینه های رفع مشکلات و نارسایی های موجود برای دستیابی به توسعه مطلوب و واقعی به وجود آید. بر این اساس هدف از این مقاله تعیین جایگاه شهرستان پیرانشهر به لحاظ شاخص های برنامه ریزی استراتژیک و اولویت بندی استراتژی های توسعه شهرستان است. گردآوری داده ها با استفاده از پرسشنامه بوده است. تحقیق از نوع توصیفی و تحلیلی است. حجم نمونه براساس فرمول کوکران برای گروه شهروندان برابر 382 نفر است. در گروه مدیران 50 نفر و در گروه نخبگان نیز 50 نفر به عنوان نمونه انتخاب شدند. تعیین جایگاه شهر با استفاده از مدل SWOT و اولویت بندی استراتژی های توسعه شهر با استفاده از ترکیب روش تصمیم گیری چند معیاره و شبکه عصبی کوهونن در نرم افزارهای EXCEL و MATLAB انجام شد. نتایج نشان داد به لحاظ استراتژیک شهر پیرانشهر در موقعیت رقابتی قرار دارد. خروجی شبکه کوهونن نیز استراتژی« توسعه مبادلات برون مرزی و تقویت بازارچه مرزی تمرچین در راستای شکل دهی به اقتصاد پایدار بر مبنای بازرگانی داخلی- خارجی» را بعنوان بهترین استراتژی توسعه شهر مشخص کرد.