تشریح و مقایسه مدل های شبیه سازی رشد شهر در مدیریت پایدار مناطق شهری
Publish place: 2nd Conference on Environmental Planning and Management
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,470
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ESPME02_202
تاریخ نمایه سازی: 22 خرداد 1391
Abstract:
جمعیتهای کوچک و محدود گذشته، امروزه تبدیل به مجموعههای بزرگ و پیچیدهایی شدهاند که دارای ارتباطات اقتصادی، اجتماعی، فیزیکی و محیط زیستی اند و سیستمهای پیچیده شهری با روابط و عملکردهای گوناگون و متنوع خود را پدید آوردهاند. شناسایی و درک چنین الگوهای پیچیده و درهم تنیدهایی لازمه توسعه و مدیریت پایدار و همگام با محیط زیست شهرها میباشد و مدلهای مخصوص شبیه سازی توسعه مناطق شهری از مناسبترین ابزارها جهت نیل به هدف مذکور میباشند. این مقاله در صدد است تا به معرفی، نحوه عملکرد، کالیبراسیون و صحت سنجی مدلهای SLEUTH، شبکه عصبی مصنوعی(Artificial Neural Network) و رگرسیون لجستیک(Logestic Regression) که در شبیه سازی توسعه مناطق شهری امروزه کاربرد وسیعی یافتهاند پرداخته و در پایان مزیتها و معایب مدلها در مقایسه با یکدیگر شناسایی شود که در این خصوص مدل SLEUTH به دلیل اینکه بیشتر بر فاکتورهای فیزیکی سرزمین استوار است با مشکل به روز کردن دادهها مواجه نمیباشد و در مقابل مدل رگرسیون لجستیک علی رغم در نظر گرفتن متغیرهای گوناگون در فرآیند مدل سازی با مشکل به روز رسانی داده ها مواجه است. مدل شبکه عصب مصنوعی نیز از آنجا که مدلی غیر پارامتریک بوده در مقایسه با مدلهای دیگر از قدرت بالایی در شناسایی الگوهای پیچیده موثر بر رشد شهری برخوردار بوده و لذا نتایج و خروجیهای این مدل از همبستگی بالایی با واقعیت برخوردار است.
Keywords:
Authors
یوسف ساکیه
دانشجوی کارشناسی ارشد رشته مهندسی محیط زیست دانشگاه تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :