3-3-7-آموزش از دیدگاه کلی………………………………………………………………………………………. 69

3-3-8-داده های ورودی……………………………………………………………………………………………….. 70

3-3-8-1-اندازه ی شبکه………………………………………………………………………………………… 71

3-3-8-2-پایان آموزش……………………………………………………………………………………………. 71

3-3-8-3-روش های آموزش………………………………………………………………………………….. 72

3-3-8-1-1-الگوریتم های یادگیری نظارت شده یا با ناظر……………………………. 72

3-3-8-1-2-الگوریتم های یادگیری نظارت نشده یا بدون ناظر …………………… 73

3-3-8-1-3-الگوریتم پس انتشار خطا …………………………………………………………… 74

3-4-سیستم های فازی………………………………………………………………………….. 76

3-5-چرا از منطق فازی استفاده می كنیم؟………………………………………………………………………. 77

3-6-عناصر سیستم فازی…………………………………………………………………… 77

3-6-1-مجموعه های فازی………………………………………………………………….. 78

عنوان                                                                                                                      صفحه

3-6-1-1-مجموعه فازی منفرد………………………………………………………………………………. 81

3-6-1-2-عملگر های فازی…………………………………………………………………………………….. 82

3-6-1-3-قواعد فازی………………………………………………………………………………………………. 84

3-6-1-4- به كار گیری قوانین فازی…………………………………………………………………….. 85

3-6-1-5-استدلال فازی…………………………………………………………………………………………. 86

3-6-1-6-روش مستقیم…………………………………………………………………………………………. 86

3-6-1-7-روش ممدانی………………………………………………………………………………………….. 87

3-6-1-8-روش Sugeno………………………………………………………………………………………… 88

3-6-1-9-غیر فازی سازی (Defuzzification)…………………………………………………….. 88

3-6-1-10-مركز ثقل………………………………………………………………………………………………. 89

3-6-1-11-میانگین مراكز………………………………………………………………………………………. 90

3-6-1-12-یكی از مراكز خروجی ها (Min، Max، Mean)………………………………… 90

3-7-خوشه بندی فازی (FCM)…………………………………………………………………………………………. 90

3-7-1-روش Neuro-fuzzy  ………………………………………………………………………………………. 92

این مطلب را هم بخوانید :

3-7-2-VGA-FCM……………………………………………………………………………………………………… 95

3-8-الگوریتم های خوشه بندی…………………………………………………………………………………………. 96

3-8-1-الگوریتم fuzzy C-means……………………………………………………………………………….. 97

3-9-طبقه بندی تصاویر با منطق فازی………………………………………………………………………………. 98

3-9-1-روش كار…………………………………………………………………………………………………………….. 99

فصل چهارم: مطالعه موردی شهر مهاباد

4-1- مقدمه………………………………………………………………………………………….. 101

4-2-بررسی های تاریخی ………………………………………………………………………………………………….. 101

4-3- خصوصیات جغرافیایی و اقلیمی……………………………………………………………………………… 103

 

4-5-موقعیت جغرافیایی…………………………………………………………………………………………………….. 103

4-6-وضعیت توپوگرافی……………………………………………………………………………………………………… 104

4-7-گسل………………………………………………………………………………………………. 107

4-8- چگونگی توسعه شهر و روند رشد آن در ادوار گذشته………………………………………….. 108

4-9-محدودیت و موانع طبیعی و قابلیت توسعه جهات مختلف شهر…………………………….. 112

عنوان                                                                                                                      صفح

4-10-نحوه پراکندگی روستاهای و جاذبه جمعیتی……………………………………………………….. 114

4-11-جمعیت و تحولات آن……………………………………………………………………………… 115

فصل پنجم: داده ها و روش اجرای مدل

5-1-مقدمه………………………………………………………………………………………. 118

5-2-روش اجرای مدل CA_ANN ، داده های و نحوه استخراج پارامترها………………….. 118

5-2-1-آموزش شبکه های عصبی مصنوعی………………………………………………………………. 119

5-2-1-1-داده های مربوط به کاربری زمین………………………………………………………… 120

5-2-1-2-داده های همسایگی و فواصل………………………………………………………………. 129

5-2-1-3-داده های محدودیت (زونینگ)…………………………………………………………….. 133

5-2-2-ساختار شبکه و نحوه آموزش آن…………………………………………………………………… 136

5-2-3-کالیبره کردن مدل CA از طریق ANN……………………………………………………….. 137

5-3-شبیه سازی رشد  شهری…………………………………………………………………. 138

5-4-پیش بینی رشد شهری برای سال 2015……………………………………………………………….. 140

5-5-اعتبار سنجی مدل…………………………………………………………………………….. 143

3-6-آزمون فرضیات………………………………………………………………………………… 147

فصل ششم: نتیجه گیری

6-1-نتیجه گیری………………………………………………………………………………… 150

6-2- پشنهادات …………………………………………………………………………………. 154

فهرست منابع و مأخذ

منابع فارسی………………………………………………………………………………………. 156

منابع انگلیسی ……………………………………………………………………………….. 157

پیوست …………………………………………………………………………………… 163

مقدمه

گسترش بی رویه اراضی شهری از مهمترین مسائل و معضلات برای مدیران و برنامه ریزان شهرها در سطوح گوناگون است. از آنجاییکه امروزه بررسی روند تغییرات کاربری اراضی به کاربری شهری و شناسایی پارامترهایی که در این تغییرات مؤثر می باشند نقش اساسی در تصمیم گیریها و برنامه ریزی های بلند مدت بازی می کنند، لذا کشف قوانین و روابط مؤثر در تغییر سایر کاربریها شهری و همچنین پیش بینی روند توسعه شهرها در آینده با روشهای دقیق و کارآمد بیش از پیش ضرورت دارد.

از آنجاییکه در منابع علمی داخلی از مدلهای پویا در مسائل شهری –بخصوص گسترش شهرها- کمتر استفاده شده است ، بنابراین ارزیابی قابلیت استفاده از این مدل ها در مناطق مختلف می تواند گام مهمی در جهت توسعه آنها باشد. مدلهای سلول های خودکار یا به اختصار (CA) به دلیل داشتن ماهیت دینامیک و همچنین ساختاری ساده در مدل سازی عوارض طبیعی و فیزیکی سطح زمین ، کاربرد نسبتا وسیعی در پیش بینی تغییرات کاربری اراضی و همچنین توسعه اراضی شهری یافته است.

با استفاده از داده های موجود در زمان گذشته و بررسی وضعیت توسعه اراضی در آن زمان می توان پارامترهای تاثیرگذار در رشد اراضی را شناسایی نموده و از آنها برای پیش بینی روند توسعه در آینده استفاده نمود. در واقع محققین مسائل شهر ی با تعریف مدل CA­_ANN بر اساس پارامترهای مورد نظر خود و اجرای آن در بستر زمان قادر خواهند بود گسترش فضایی اراضی شهری در آینده را پیش بینی کرده و به درجه نسبتا مطلوبی از انطباق با واقعیت دست یابند.

1-1- طرح مسئله و ضرورت تحقیق

جهانی که در آن زندگی می کنیم، مرتبا در حال تغییر است. عوامل مؤثری در این تغییر و تحولات نقش دارند که آنها را می توان به طور کلی به دو دسته طبیعی و انسانی دسته بندی کرد. این عوامل ، در مکانها و شرایط مختلف تأثیرات متفاوتی را بر روی پدیده ها و عوارض سطح زمین دارند. بر اساس نظریه های موجود ، شهرها سیستم هایی پیچیده، باز ، پویا و خود سازمانده هستند که در فرایند توسعه آنها، بسیاری از نشانه های پیچیدگی مانند: ابعاد فرکتال، خودمانندی، خودسازماندهی، ظهور و … وجود دارد( تورنس[1] ،2001 ).

از سوی دیگر مدلهای فضایی ، ابزارهای مفیدی را  برای درك فرایند توسعه شهری در اختیار برنامه ریزان و تصمیم گیرندگان قرار می دهند ( اوکادا و ژانگ [2]،2008)  و با ابزار مدل سازی می توان سیستم پیچیده شهری، الگوهای فضایی  و روندهای رشد شهری را شبیه سازی کرد و درك بهتری از سیستم شهر به عنوان یک کل، به دست آورد.

در راستای دستیابی به یک مدل بهینه به منظور شبیه سازی گسترش شهری ، در ده های اخیر تکنیک های فراوانی به کار گرفته شده و مورد توجه قرار گرفته اند. یکی از این تکنیک ها استفاده از سلول های خودکار جهت شبیه سازی رشد شهری می باشد .

آنچه مسلم است اینکه در فرایند شبیه سازی ، کالیبره کردن نیاز به پیدا کردن وزن هایی (ارزش ها) از پارامترهای شبیه ساز دارد که بتواند بهترین تناسب با توسعه واقعی را داشته باشد و با وجود گذشت چندین دهه از استفاده از این روش در برنامه ریزی شهری و تلاش پژوهشگران در دستیابی به یک مدل کاربردی جهانی به منظور پیش بینی پیچیدگی های سیستمهای شهری ، هنوز کمبودهای در زمینه کالیبره کردن مدل سلولهای خودکار احساس می شود. اشاره به مطالعات در زمینه  کالیبره کردن در شبیه سازی از طریق سلول های خودکار(CA) از جمله تلاش های وو[3]  و وبستر[4] (1998) با استفاده از ارزیابی چند معیاره (MCE )  و همچنین پروفسور ژی لی[5] (2006) ، استفاده از تحلیل سلسله مراتبی (AHP) برای کالیبره کردن مدل CA  نتایج متفاوتی بدست داده است.

از سوی دیگر با افزایش جمعیت در نقاط شهری در طی سالهای اخیر،  شهرها با گسترش فیزیکی روبرو بوده اند. شهرمهاباد به دلیل موقعیت خاص ژئوپلتیک خود از این قاعده مستثنی نیست و در طی سالهای اخیر با رشد سریع جمعیت و بالتبع توسعه فیزیکی بدون برنامه مواجه بوده است.  مطالعه و مدلسازی روند گسترش  این شهر با استفاده از روش [6]CA-ANN  می تواند راهنمای برنامه ریزان شهری جهت