پتانسیل‌یابی مناطق توسعۀ شهری با استفاده از شبکۀ عصبی مصنوعی (مطالعۀ موردی: شهر کرمانشاه)

رشد سریع شهرنشینی و توسعه شهری به‌ویژه در کشورهای درحال‌توسعه، به درک الگو و فرایندهای پیچیده رشد شهری با روش علمی و کارآمد نیاز دارد. لازمه ایجاد رشد شهری پایدار و برنامه‌ریزی توسعه شهری، درک الگوهای صحیح رشد شهری است. کرمانشاه نهمین شهر پرجمعیت کشور و یکی از چهار شهر نخست ایران از نظر حادبودن معضل حاشیه‌نشینی است. هدف این پژوهش، بررسی پتانسیل توسعه شهری در این شهر است. بدین منظور،‌ ‌شبکه عصبی پرسپترون چندلایه (mlp) با الگوریتم آموزش لونبرگ مارکوات به‌کار رفت و داده‌های موثر در توسعه شهری به‌عنوان لایه‌های ورودی به شبکه تعیین شد. این لایه ها که در سه گروه اجتماعیاقتصادی، کاربری زمین و بیوفیزیک قرار می‌گیرند، شامل 16 لایه هستند. در ادامه، پانصد نقطه به‌عنوان نقاط آموزشی شبکه تهیه و 12 لایه میانی نیز تعیین شدند. مطابق نتایج، با دورشدن از امکانات و مناطق شهری، پتانسیل‌ها به‌شدت کاهش پیدا می‌کنند و بیشتر مناطق دارای پتانسیل توسعه شهری در نزدیک ترین فاصله این امکانات و مناطق شهری قرار دارند. بیشترین مناطق پتانسیل‌دار توسعه شهری، در جنوب‌غرب شهر کرمانشاه و در اطراف جاده‌های اصلی کرمانشاهاسلام‌آباد و کرمانشاهکنگاور واقع است. مناطق شمالی شهر به‌دلیل ارتفاع و شیب زیاد، پتانسیل اندکی برای توسعه دارند. همچنین ضریب رگرسیون کلی 95 درصدی شبکه که حاصل شرکت تمامی داده‌ها در شبکه است، کارایی زیاد شبکه عصبی پرسپترون چندلایه را در این مطالعه نشان می‌دهد.