مدل سازی توسعه کالبدی شهر رشت با روشهای مبتنی بر محاسبات نرم

مطالعات برنامه ریزی سکونتگاه های انسانی

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 23 دی 1402

نوع مقاله: مقاله پژوهشی

نویسندگان

غلامرضا میری^{* 1}؛ پرویز رضائی²؛ رضا زارعی³؛ طلا عابدی⁴

¹استادیار گروه جغرافیا و برنامه ریزی شهری، واحد زاهدان، دانشگاه آزاد اسلامی، زاهدان، ایران

²دانشیار گروه جغرافیا ، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران

³استادیار گروه آمار، دانشکده ریاضی، دانشگاه گیلان، گیلان، ایران

⁴دانشجوی دکترای جغرافیا و برنامه ریزی شهری، واحد آستارا ،دانشگاه آزاد اسلامی،آستارا، ایران

چکیده

مقدمه: رشد سریع جمعیت و شهرنشینی پدیده ای انکارناپذیر است. هنگامیکه شهرها از نظر اندازه و تعداد جمعیت رشد میکنند، هماهنگی میان توسعه کالبدی شهر و رشد جمعیت بسیار حائز اهمیت است(دانه کار و همکاران،1400). با کمک گرفتن از روش‌های مبتنی بر محاسبات نرم از جمله شبکه های عصبی مصنوعی و ماشین بردار پشتیبان می توان جهات توسعه شهری سالهای آتی را پیش بینی کرد.



هدف پژوهش: هدف این پژوهش مدل‌سازی توسعه شهر رشت طی بیست سال اخیر و پیش‌بینی جهات توسعه این شهر تا سال 2032 می-باشد.

روش شناسی تحقیق:

با استفاده از تصاویر ماهواره‌ای ETM+ لندست 7 و8 سال‌های 2002، 2012 و 2021 شهر رشت و با نرم افزار GIS تصاویر با ترکیب باندی مناسب آماده و سپس با استفاده از دو روش شبکه های عصبی مصنوعی و ماشین بردار پشتیبان تصاویر طبقه‌بندی شده‌اند. شاخص‌های در نظر گرفته شده برای مدل همسایگی مناطق شهری، فاصله از نقاط شهری، فاصله تا مناطق مرکزی شهر و فاصله تا خیابان‌ها و راههای اصلی می‌باشند.

قلمروجغرافیایی پژوهش:

شهر رشت، مرکز استان گیلان و در ۴۹ درجه و ۳۵ دقیقه و ۴۵ ثانیه طول شرقی و ۳۷ درجه و ۱۶ دقیقه و ۳۰ ثانیه عرض شمالی از نصف النهار گرینویچ قرار دارد و مساحت آن حدود ۱۰۲۴۰ هکتار می‌باشد.

یافته ها و بحث:

در این مدل در مرحله اول مدل با اعمال چهار شاخص ورودی بر تصاویر سال 2002 شهر رشت و مقایسه با تصاویر 2012 به یک تابع فعال ساز دست یافت و در مرحله دوم تست شبکه با ورودی تصاویر 2012 و خروجی 2021 شهر رشت انجام شد. در مرحله آخر تابع پیش بین تصاویر 2032 شهر رشت را ارائه کرده است.

نتایج:

مدل شبکه عصبی مصنوعی در سال 2012، 9/95 درصد و برای سال 2021، 8/93 درصد برآورد درستی داشته باشد که این عددها می‌تواند قابل قبول باشد. مدل ماشین بردار پشتیبان نیز توانسته است برای پیش‌بینی توسعه شهر رشت در سال 2012، 4/96 درصد و برای سال 2021، 3/95 درصد برآورد درستی داشته باشد که نسبت به مدل شبکه عصبی مصنوعی نتایج دقیق تر را ارائه نموده است.

کلیدواژه‌ها

مدل سازی؛ توسعه کالبدی شهری؛ محاسبات نرم؛ شهر رشت