کاربرد شبکه عصبی مصنوعی در مدلسازی توسعه شهری (مطالعه موردی: شهر گرگان)
نویسندگان
1 دانشیار گروه جنگلداری، دانشگاه تربیت مدرس تهران، ایران
2 دانشجوی دکترای آلودگی، دانشگاه تربیت مدرس تهران، ایران
3 کارشناس ارشد مهندسی منابع طبیعی ـ محیط زیست، دانشگاه تربیت مدرس تهران، ایران
4 دانشیار گروه محیط زیست، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران
doi
چکیده
مدلهای شبکه عصبی مصنوعی از مدلهای اطلاعاتمحور بهشمار میآیند. مدل تبدیل کاربری/ پوشش زمین، از مدلهایی است که شبکه عصبی مصنوعی را با سیستم اطلاعات جغرافیایی مرتبط میسازد و برای مدلسازی توسعه شهری در شهر گرگان در دوره زمانی سالهای 2001-1987 از همین مدل استفاده شد. این مدل از 6 برنامه کاربردی که در برنامه MS-DOS اجرا میشود، تشکیل شده است. در این مطالعه، سه گروه از متغیرها شامل متغیرهای بیوفیزیکی، اقتصادی- اجتماعی و کاربری زمین به کار برده شد. ده متغیر مؤثر بر توسعه شهری از سه گروه مذکور به عنوان نود ورودی و متغیر وابسته تغییرات شهری به عنوان نود خروجی مورد استفاده قرار گرفتند. استفاده از نود مخفی، برای شناسایی ارتباطات غیرخطی در مدل بوده است. انجام مدل در چرخه 3000 دارای کمترین میزان خطـای مجذور میانگین مربعات بود؛ لذا از این چرخه برای استخراج مناطق توسعه شهری آینده و حساسیتسنجی مدل استفاده گردید. برای تأیید مدل از تصویر احتمال این چرخه استفاده شد که رویکرد آماری (ROC) Relative Operating Characteristic برای آن 75/0 برآورد گردید و باعث تأیید مدل در شرایط پیشگفته شد. با استفاده از این تصویر، الگوی توزیع شهری برای سـالهای 2010، 2020، 2030 و 2040 استخراج گردید. اثر نسبی متغیرها با استفاده از ROC و با روش حذف یک متغیر، و اجرای مدل با متغیرهای باقیمانده و مقایسه با مدل کامل برآورد گردید. برای انجام این کار، 11 شبکه با دادههای کامل و دادههای بدون یک متغیر ایجاد شد و مراحل آموزش و آزمون برای همه آنها به اجرا درآمد. متغیرهای کاربری زمینهای تحت کاشت، تـعداد سلولهای شهری و کاربری مرتعی دارای بیشترین اثر در دوره زمانی مورد مطالعه بودند؛ و متغیرهای فاصله تا مراکز آموزشی، کاربری جنگل و زمینهای بایر کمترین اثر را بر رشد شهری گرگان داشتند؛ به عبارت دیگر، مشخص شد که نوع کاربری منطقه تأثیر زیادی بر توسعه شهری در گرگان دارد.