ارزیابی کارایی الگوی تلفیقی ca-ann در مدل‎سازی رشد شهری (مطالعۀ موردی: کلان شهر تهران)

اهداف: پیدایش محیطی در هم‌تنیده، آلوده و پرازدحام در شهر تهران، لزوم مدیریت بهینه منابع طبیعی و استفاده درست از پهنه زمین در این شهر را بیش از پیش نمایان ساخته است. هدف اصلی این پژوهش، شبیه‌سازی توسعه شهری کلان‌شهر تهران بین سال‎های 1990 و 2010 میلادی و نهایتاً ارزیابی کارآیی مدل‏های ترکیبی و رایج سلولی مبتنی بر الگوی ترکیبی سلول‌های خودکار و الگوریتم شبکه عصبی مصنوعی است. روش: به دلیل وجود توانایی­ها و مزایایی که شبکه­ عصبی در تشخیص الگوهای مکانی دارا است، در این پژوهش از شبکه­ پرسپترون چندلایه جهت شبیه‎سازی و پیش­بینی توسعه­ 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 توسعه شهری در نظر گرفته شده­اند. یافته‎ها/ نتایج: به­‌کارگیری تلفیقی مدل سلول‎های خودکار و الگوریتم بهینه‏سازی شبکه عصبی مصنوعی، می­تواند در فرایند کالیبراسیون قوانین انتقال سلول‎های خودکار بهبود ایجاد کند. مقایسه آماری واقعیت زمینی شهر تهران در سال 2010 با تصاویر شبیه‌سازی شده 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 مکانیزمانی 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.