مدل‌سازی احتمال تغییر رشد شهری با استفاده از شبکه عصبی مصنوعی و رگرسیون لجستیک (مطالعه موردی: شهر مشهد)

در کشورهای در حال توسعه، تمایل زیاد برای تمرکز جمعیت در مناطق شهری و به تبع آن رشد سریع و ناموزون شهر ها سبب شده است که طراحان و برنامه ریزان شهری، استفاده از سیاست ها و راهکار های مناسب را جهت اجتناب از تاثیرات مخرب زیست محیطی و اجتماعی اقتصادی در دستور کار قرار دهند. در این راستا، اطلاعات مکانی و زمانی مرتبط با الگوهای نرخ رشد، درک بهتری را از فرآیند رشد شهری فراهم نموده و ابزار های مناسب را جهت اخذ سیاست های مدیریتی و برنامه ریزی در اختیار مدیران شهری  قرار می دهند. لذا هدف اصلی این پژوهش، محاسبه احتمال تغییر رشد شهر مشهد با استفاده از روش های رگرسیون لجستیک و شبکه عصبی مصنوعی می باشد. برای این منظور، جهت تهیه نقشه کاربری اراضی، از تصاویر ماهواره ای لندست 7 (سال 2002) و لندست 8 (سال 2015) استفاده شد. سپس با استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه (mlp)، طبقه بندی تصاویر انجام شد و نقشه های کاربری اراضی شهری با دقت کلی 0.948 و شاخص کاپای 0.936 برای سال 2002 و همچنین دقت کلی 0.817 و شاخص کاپای  0.775 برای سال 2015 استخراج شدند. در نهایت، با اجرای رگرسیون لجستیک بین نقشه کاربری اراضی شهری سال 2015 (به عنوان متغیر وابسته) و فاکتور های موثر از جمله عوامل فیزیکی و عوامل انسانی به همراه نقشه اراضی سال 2002 (به عنوان متغیر های مستقل)، نقشه پتانسیلی پیشرفت اراضی شهری تهیه شد. ارزیابی مدل رگرسیونی ایجاد شده با استفاده از دو شاخص pseudo-r^2 و roc نشان داد که این مدل با مقدار roc معادل 0.87 و مقدار pseudo-r^2 برابر 0.345 دارای قابلیت بالایی جهت نمایش تغییرات و تعیین مناطق مستعد تغییر می باشد و می توان برازش مدل را نسبتاً خوب در نظر گرفت.