بررسی قابلیت های مدل شبکه عصبی مصنوعی در شبیه سازی توسعه شهری با کاربرد نمایه های عامل نسبی و بوم شناختی سیمای سرزمین(مطالعه موردی: شهر ساحلی هشتپر)

شهرنشینی یکی از مهمترین تغییرات جهانی است. رشد سریع شهرهای دنیا فشارهای سنگینی بر سرزمین و منابع اطراف آن وارد کرده است. از آن جا که توسعه فضاهای شهری در آینده امری اجتناب ناپذیر است، لزوم درک صحیح از این روند به منظور حفاظت از محیط زیست شهری ضروری است. شبکه های عصبی ابزاری قدرتمند جهت درک فرایندها و الگوهای مکانی هستند. بدین منظور، مدل شبکه عصبی پرسپترون چند لایه به عنوان ابزار شبیه سازی توسعه در شهر هشتپر انتخاب شد. در پژوهش حاضر، از نمایه مجذور میانگین مربعات خطا (RMSE) به عنوان شاخص طراحی و پایان آموزش در شبکه استفاده شد. پس از نرمال سازی و حذف متغیرهای همبسته، متغیرهای اثرگذار بر توسعه شهر هشتپر به صورت: فاصله از شهر، شبکه حمل و نقل اصلی، شبکه هیدروگرافی، کشاورزی، مراتع، اراضی بایر و شیب تعیین و شبکه ای متشکل از 22 گره با سه لایه ورودی (7 گره)، میانی (14 گره) و خروجی (1 گره) طراحی شد. فرایند آموزش به کمک تابع مشتق پذیر سیگمویید و استخراج نمونه های تعلیمی از نقشه تغییرات شهری (2000-1989) اجرا و شبیه سازی توسعه برای سال 2007 انجام شد. بررسی قابلیت های مدل و تحلیل ساختار سیمای شبیه سازی شده نیز با کاربرد نمایه های عامل نسبی و بوم شناختی سیمای سرزمین انجام شد. بر اساس نتایج، کمیت به دست آمده از نمایه های عامل نسبی و سیمای سرزمین نشان دهنده توافق نسبی گستره شبیه سازی شده با نقشه حاصل از طبقه بندی تصویر است. بر این اساس، مدل شبکه عصبی در شبیه سازی مساحت کلاس، فاصله اقلیدوسی و چین خوردگی شکل لکه های شهری قابلیت اعتماد مناسبی دارد. در نهایت، تعیین حساسیت مدل به پارامترهای مورد استفاده با حذف متغیرهای مستقل و مقایسه نتایج آن با مدل کامل انجام و موثرترین داده ها برای شبیه سازی توسعه این شهر متغیرهای فاصله از هسته مرکزی و شبکه حمل و نقل به دست آمدند.