ارزیابی توانایی یادگیری عمیق در پیش بینی رشد و گسترش شهری (محدود مورد مطالعه : شهر اصفهان و حومه )

طاهره بختیاری بابادگانی¹ مهدیه مرسلی²

1) 1- کارشناسی ارشد سنجش از دور وGIS، دانشگاه خوارزمی، تهران، ایران.
2) 1- کاردانی معماری شهری، دانشگاه علمی کاربردی هوشمند سازه، تهران، ایران.

کد IOI مقاله : ACCD-ACAAKA
محل انتشار : دهمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی(carseconf.com)
چکیده :
    گسترش مناطق شهری یکی از چالش‌های اساسی در مدیریت و برنامه‌ریزی شهری و دستیابی به توسعه پایدار است. شناسایی و تحلیل عوامل مؤثر بر این فرایند، نقش مهمی در درک الگوهای رشد شهری و پشتیبانی از تصمیم‌گیری‌های بلندمدت دارد. در این راستا، شبکه‌های عصبی عمیق به دلیل توانایی در مدل‌سازی روابط پیچیده و غیرخطی میان متغیرها، ظرفیت قابل‌توجهی برای تحلیل و پیش‌بینی تغییرات کاربری اراضی شهری دارند. پژوهش حاضر با هدف تحلیل روند گسترش مناطق شهری اصفهان و نواحی پیرامونی آن طی سال‌های ۱۹۹۰ تا ۲۰۲۰ و ارزیابی عملکرد شبکه عصبی عمیق در مدل‌سازی این تغییرات انجام شده است. بدین منظور، داده‌های کاربری اراضی در دوره مورد مطالعه و متغیرهای مکانی و محیطی شامل فاصله از جاده، شیب، ارتفاع، زمین‌شناسی و خاک‌شناسی به‌عنوان ورودی‌های مدل مورد استفاده قرار گرفتند. داده‌های گردآوری‌شده برای آموزش و ارزیابی مدل به کار گرفته شدند تا توانایی شبکه در شناسایی الگوهای گسترش شهری بر اساس روابط آموخته‌شده میان متغیرهای ورودی بررسی شود. نتایج ارزیابی نشان داد که مدل توسعه‌یافته به مقدار ۰٫۹۵ برای معیار دقت و ۰٫۲ برای معیار خطا دست یافته است. این نتایج بیانگر قابلیت مدل در بازنمایی الگوهای گسترش شهری در محدوده مورد مطالعه است و می‌تواند مبنایی برای تحلیل تغییرات فضایی و پشتیبانی از برنامه‌ریزی و مدیریت توسعه شهری در اصفهان و نواحی پیرامونی آن فراهم کند.

کلمات کلیدی : ارزیابی توانایی یادگیری عمیق پیش بینی رشد شهری شهر اصفهان و حومه