تلفیق شبکه‎ عصبی RBFLN و فن چند شاخصه ORESTE برای شناسایی مکان بهینه استقرار مراکز مالی و تجاری در فضای شهری (مطالعه موردی: شهرتهران)

مراکز مالی و تجاری از مهم‎ترین مراکز فعالیت‎های فضای شهری محسوب می‎شوند و توجه به موقعیت و مکان استقرار آن‎ها، از مهم‎ترین عوامل سودآوری و موفقیت این مراکز است. در این مطالعه، برای شناسایی مکان بهینه استقرار مراکز مالی و تجاری، سامانه شبکه عصبی rbfln، که شکل تغییریافته‎ای از شبکه عصبی بر پایه تابع شعاعی (rbfnn) است، در تلفیق با فن چندشاخصه oreste به‌کار گرفته شد. داده‎های دو و چند کلاسه پارامترهای اقتصادی و تجاری، آموزشی و فرهنگی، بهداشتی و درمانی، رفاهی و تفریحی، اداری، جمعیتی، حمل و نقل و ترافیکی بر اساس شعاع تاثیرگذاری، به عنوان بردارهای چندبعدی وارد شبکه عصبی شدند. به منظور یادگیری شبکه، 69 شعبه نمونه در شهر تهران و 34 نقطه غیربهینه به‌کار گرفته شد. نتایج تحقیق شبکه rbfln دوکلاسه با دفعات تکرار 800 بار را با کمترین میزان خطای آموزش و طبقه‎بندی، به عنوان مناسب‎ترین کلاس برای شناسایی مناطق بهینه (غربالگری) استقرار مراکز مالی و تجاری نشان می‎دهد. نتایج این غربالگری مناطق بهینه پیشنهادی اولیه را تشکیل می‎دهند که در ادامه، با فن رتبه‎بندی چندشاخصه oreste با معیارهای کیفی حاصل از مشاهدات میدانی اولویت‎بندی شدند. این فرایند در شهر تهران و بر روی هر 22 منطقه این شهر اجرا شد.