[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
برای داوران::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: 2713764

مقالات منتشر شده: 653
نرخ پذیرش: 73.75
نرخ رد: 17.62

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 190 روز
____
..
:: دوره 6، شماره 1 - ( 7-1395 ) ::
دوره 6 شماره 1 صفحات 100-87 برگشت به فهرست نسخه ها
مدل سازی و پیش بینی گسترش شهری بر اساس شبکه عصبی پیش خورانده بهینه شده و فیلتر همسایگی با حدود آستانه مختلف؛ منطقه مورد مطالعه: شهر تهران
پرهام پهلوانی* ، حسین عسکریان عمران
چکیده:   (6353 مشاهده)

با توجه به افزایش روز افزون جمعیت و سرعت بالای آن و تاثیر آن در رشد شهری، مطالعه، بررسی، و پیش­بینی رشد شهری از موضوعات مهم جامعه امروزی محسوب می­گردد. لذا، هدف اصلی این مقاله بررسی و نمایش رشد شهری در سال­های اخیر و پیش­بینی آن برای سال­های آینده می­باشد. به این منظور، در این تحقیق، از ترکیب روش شبکه عصبی پیش­خورانده با فیلترهای همسایگی استفاده شده است. در این مقاله تنها رشد کاربری ساختمانی به عنوان رشد شهری در نظر گرفته شده است. تصاویر ماهواره­ لندست در سال­های 1994، 2004، و 2014 برای تولید نقشه شهر (ساختمانی و غیر ساختمانی) بکار گرفته شدند. برای طبقه­بندی تصاویر و استخراج نقشه از روش ماشین بردار پشتیبان استفاده شد. برای مدل­سازی رشد شهری، شبکه عصبی پیش­خورانده پیشنهادی در 2 مرحله اجرا شد؛ (1) برای یادگیری و تعیین وزن­ها با استفاده از نقشه سال­های 1994 و 2004، و (2) به صورت رو به جلو برای پیش­بینی نقشه­ شایستگی برای سال 2014. به منظور پیش­بینی نقشه شایستگی با دقت بالا، معماری شبکه عصبی با توجه به کمترین RMSE تعیین گردید. سپس نقشه شایستگی پیش­بینی شده با فیلترهای مختلف همسایگی ترکیب و نقشه سال 2014 پیش­بینی گردید. دقت روش در دو مرحله تعیین شد. ابتدا دقت نقشه شایستگی پیش­بینی شده با استفاده از روش ROC بررسی گشت که دقت حاصل برابر 46/92 درصد بدست آمد. سپس در مرحله دوم میزان تطابق نقشه شهری پیش­بینی شده با نقشه مرجع سال 2014 با استفاده از ماتریس مقایسه و با معیارهای دقت کلی و ضریب کاپا به ترتیب 22/92 و 31/82 درصد بدست آمد. در نهایت روش ارائه شده برای پیش­بینی نقشه شهری سال 2024 به کار گرفته شد که نتایج حاکی از رشد بی رویه شهر در غرب و جنوب غربی منطقه می­باشد.

واژه‌های کلیدی: شبکه عصبی پیش خورانده، فیلتر همسایگی، گسترش شهری، ROC
متن کامل [PDF 2901 kb]   (2731 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سامانه های اطلاعات مکانی
دریافت: 1394/11/26
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Pahlavani P, Askarian Omran H. An Optimized Feed-Forward Neural Network and Neighborhood Filter with Different Thresholds for Urban Expansion Simulation; a Case Study: Tehran. JGST 2016; 6 (1) :87-100
URL: http://jgst.issgeac.ir/article-1-445-fa.html

پهلوانی پرهام، عسکریان عمران حسین. مدل سازی و پیش بینی گسترش شهری بر اساس شبکه عصبی پیش خورانده بهینه شده و فیلتر همسایگی با حدود آستانه مختلف؛ منطقه مورد مطالعه: شهر تهران. علوم و فنون نقشه برداری. 1395; 6 (1) :87-100

URL: http://jgst.issgeac.ir/article-1-445-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 6، شماره 1 - ( 7-1395 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology