چکیده:
اهداف: پیدایش محیطی در همتنیده، آلوده و پرازدحام در شهر تهران، لزوم مدیریت بهینة منابع طبیعی و استفادة درست از پهنة زمین در این شهر را بیش از پیش نمایان ساخته است. هدف اصلی این پژوهش، شبیهسازی توسعة شهری کلانشهر تهران بین سالهای 1990 و 2010 میلادی و نهایتا ارزیابی کارآیی مدلهای ترکیبی و رایج سلولی مبتنی بر الگوی ترکیبی سلولهای خودکار و الگوریتم شبکة عصبی مصنوعی است.
روش: به دلیل وجود تواناییها و مزایایی که شبکة عصبی در تشخیص الگوهای مکانی دارا است، در این پژوهش از شبکة پرسپترون چندلایه جهت شبیهسازی و پیشبینی توسعة شهری استفاده شده است. پارامترهایی از قبیل فاصله از نزدیکترین شیء و یا پیکسل شهری، فاصله از خیابانها و راهها، فاصله از مراکز جذب نیز بهعنوان پارامترهای موثر در رشد و توسعة شهری در نظر گرفته شدهاند.
یافتهها/ نتایج: بهکارگیری تلفیقی مدل سلولهای خودکار و الگوریتم بهینهسازی شبکة عصبی مصنوعی، میتواند در فرایند کالیبراسیون قوانین انتقال سلولهای خودکار بهبود ایجاد کند. مقایسة آماری واقعیت زمینی شهر تهران در سال ۲۰۱۰ با تصاویر شبیهسازی شدة حاصل از مدل ترکیبی و نیز مدل رایج رستری سلولهای خودکار، بیانگر دقت بالاتر مدل پیشنهادی است، به گونهای که طبق نتایج مدلسازی مبتنی بر دو تصویر، شاخص کاپا و دقت کلی برای مدل ترکیبی به ترتیب به میزان 76% و 90.69% و برای مدل رایج رستری، به میزان 70.47% و 87.85% و نیز طبق مدلسازی مبتنی بر سه تصویر، این شاخصها به ترتیب برای مدل ترکیبی به میزان 69.18% و 84.88% و برای مدل رایج رستری به میزان 63.37% و 82.98% برآورد شده است.
نتیجهگیری: پژوهش حاضر نشان داد که بررسی روند تغییرات مکانی-زمانی پدیدهها از جمله گسترش شهرها، نیازمند بهکارگیری الگوهایی پویا در زمان است. در این میان، الگوی ترکیبی خودکارههای سلولی به سبب ساختار ساده و پویای خویش و نیز برخورداری از ویژگیهای قدرتمند مکانی، در اینگونه مدلﺳﺎزیها میتوانند استفاده شوند.