پتانسیل یابی مناطق توسعه شهری با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: شهر کرمانشاه)

رشد سریع شهرنشینی و توسعه شهری به ویژه در کشورهای درحال توسعه، به درک الگو و فرایندهای پیچیده رشد شهری با روش علمی و کارآمد نیاز دارد. لازمه ایجاد رشد شهری پایدار و برنامه ریزی توسعه شهری، درک الگوهای صحیح رشد شهری است. کرمانشاه نهمین شهر پرجمعیت کشور و یکی از چهار شهر نخست ایران از نظر حادبودن معضل حاشیه نشینی است. هدف این پژوهش، بررسی پتانسیل توسعه شهری در این شهر است. بدین منظور، شبکه عصبی پرسپترون چندلایه (MLP) با الگوریتم آموزش لونبرگ- مارکوات به کار رفت و داده های موثر در توسعه شهری به عنوان لایه های ورودی به شبکه تعیین شد. این لایه ها که در سه گروه اجتماعی-اقتصادی، کاربری زمین و بیوفیزیک قرار می گیرند، شامل 16 لایه هستند. در ادامه، پانصد نقطه به عنوان نقاط آموزشی شبکه تهیه و 12 لایه میانی نیز تعیین شدند. مطابق نتایج، با دورشدن از امکانات و مناطق شهری، پتانسیل ها به شدت کاهش پیدا می کنند و بیشتر مناطق دارای پتانسیل توسعه شهری در نزدیک ترین فاصله این امکانات و مناطق شهری قرار دارند. بیشترین مناطق پتانسیل دار توسعه شهری، در جنوب غرب شهر کرمانشاه و در اطراف جاده های اصلی کرمانشاه-اسلام آباد و کرمانشاه-کنگاور واقع است. مناطق شمالی شهر به دلیل ارتفاع و شیب زیاد، پتانسیل اندکی برای توسعه دارند. همچنین ضریب رگرسیون کلی 95 درصدی شبکه که حاصل شرکت تمامی داده ها در شبکه است، کارایی زیاد شبکه عصبی پرسپترون چندلایه را در این مطالعه نشان می دهد.