کاربرد الگوریتم KNN در بهینه سازی کاربری اراضی شهری با تاکید بر خطر زلزله نمونه موردی: شهر سنندج

هراندازه شهرها از لحاظ کالبدی و جمعیتی گسترده تر شوند، به تبع آن بر میزان بحران ها نیز افزوده می شود. آسیب پذیری شهرها در برابر بلایای طبیعی بنا به دلایل مختلفی از جمله فقر اقتصادی و فرهنگی، عدم رعایت حریم گسل ها و آیین نامه های مربوط به زلزله افزایش یافته است. آنچه اهمیت دارد، سطح آمادگی جامعه و درجه آسیب پذیری شهر و ساکنان در معرض خطر است که در صورت برنامه ریزی مناسب و اتخاذ سیاست های اصولی می توان آسیب ها را به پایین ترین سطح کاهش داد. در این پژوهش با توجه به پتانسیل بالای سنندج از لحاظ لرزه خیزی و وجود گسل های فراوان در مجاورت و اطراف شهر، سعی بر آن است تا با شناخت عوامل موثر بر زلزله و ترکیب شاخص ها با استفاده از مدل تحلیل طبقه بندی درختی به درک درستی از موضوع برسیم. نتایج به دست آمده حاکی از این است که سطح وسیعی از شهر در طبقه بندی آسیب پذیری متوسط به بالا قرار دارد. ۵۲ درصد در طبقه آسیب پذیری متوسط، ۱۶.۵ درصد آسیب پذیری بالا و ۱ درصد از سطح شهر در طبقه با آسیب پذیری بسیار بالا قرار دارد که دقیقا منطبق بر محلات حاشیه ای، قدیمی و پرتراکم است. این وضعیت ساختار مناسبی را ارائه نداده و نیازمند توجه بیشتر در طرح های توسعه آتی می باشد. واژگان کلیدی: آسیب پذیری شهری، زلزله، تحلیل طبقه بندی درختی، منحنی ROC، سنندج. [۱] نویسنده مسئول: تبریز، دانشگاه تبریز، گروه جغرافیا و برنامه ریزی شهری،

Keywords:

Urban Land Use Optimization , Earthquake , KNN Algorithm , Urban Vulnerability , Sanandaj , بهینه سازی کاربری اراضی شهری , زلزله , الگوریتم KNN , آسیب پذیری شهری , سنندج