تلفیق شبکه‎ عصبی RBFLN و فن چندشاخصه ORESTE برای شناسایی مکان بهینه استقرار مراکز مالی و تجاری در فضای شهری (مطالعه موردی: شهر تهران)

تلفیق شبکه‎ عصبی RBFLN و فن چندشاخصه ORESTE برای شناسایی مکان بهینه استقرار مراکز مالی و تجاری در فضای شهری (مطالعه موردی: شهر تهران)

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 تأثیرگذاری، به عنوان بردارهای چندبعدی وارد شبکه عصبی شدند. به منظور یادگیری شبکه، ۶۹ شعبه نمونه در شهر تهران و ۳۴ نقطه غیربهینه به‌کار گرفته شد. نتایج تحقیق شبکه RBFLN دوکلاسه با دفعات تکرار ۸۰۰ 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 ۲۲ منطقه این شهر اجرا شد.

سیستم اطلاعات جغرافیایی؛ مراکز مالی و تجاری؛ ‎ .RBFLN؛ ‎ORESTE

متن کامل مقاله