دانلود متن کامل درdownload-thesis.com

دانشکده هنرو معماری ی شهرسازی- برنامهپایان نامه کارشناسی ارشد در رشته

ریزی شهری و منطقه ای

مدلسازی فضایی زمانی توسعه شهری با استفاده از پردازش تصاویر ماهواره ای و الگوریتم های هوشمند )مطالعه

موردی شهر مهاباد(

یبه وسیله.................

استادان راهنمادکتر علی سلطانی

مهندس محمد کبگانی

1390بهمن

1

به نام خدااظهارنامه

اینجانب .......... به شماره دانشجویی) ...........( شهرسازي گرایش برنامه ریزي دانشجوي رشته ي

شهري و منطقه اي دانشکده هنر و معماري اظهار می کنم که این پایان نامه حاصل پژوهش

منابع دیگران خودم بوده و در جاهایی که از

2

استفاده کرده ام، نشانی دقیق و مشخصات کامل ام. همچنین اظهار می کنم که آن را نوشته

و تحقیق و موضوع پایان نامه ام تکراري نیست تعهد می نمایم که بدون مجوز دانشگاه

یا در اختیار دستاوردهاي آن را منتشر ننموده و غیر قرار ندهم.کلیه حقوق این اثر مطابق با

فکري و معنوي متعلق به آیین نامه مالکیت دانشگاه شیراز است.

نام و نام خانوادگی: ................1390/ 11/ 5تاریخ و امضا:

3

دانلود متن کامل درdownload-thesis.com

چکیده

زمانی توسعه شهری با استفاده از–مدلسازی فضایی پردازش تصاویر ماهواره ای و الگوریتم های هوشمند

)مطالعه موردی شهر مهاباد(

به کوشش....................

می تواند به عنوان ابزاری(CAمدلسازی رشد شهری از طریق اتوماتای سلولی ) مفید برای تجزیه و تحلیل فرایندهای پیچیده ی تحوالت شهری بکار برده شود.

هدف این پژوهش مدلسازی و درک الگوهای پیچیده تغییر کاربری با بهرگیری از . موضوع کلیدی چگونگی تخصیص وزن بهتکنیک های هوش مصنوعی می باشد

پارامترهای موثر در رشد شهری و متعاقبا دستیابی به شبیه سازی ایده آل و نزدیک به واقعیت است. این پژوهش در صدد است نشان دهد که تخصیص وزن با

( می تواند نتایجی بهینه بهANNاستفاده از الگوریتم شبکه های عصبی مصنوعی ) ، تخصیص وزن بهCAدست دهد. در این مدل بر خالف مدل های کالسیک

پارامترها بصورت خودکار، توسط آموزش شبکه های عصبی، از طریق داده های بر اینتصاویر ماهواره ای مربوط به روند رشد تاریخی شهر صورت می گیرد.

جهت پیدا کردن وزن مناسبANN به عنوان موتور اصلی مدل و CAاساس پارامتر ها و پیدا کردن روابط بین رشد شهری بالقوه و ویژگی های سایت مورد

( جهت طبقه بندی تصاویر ماهوارهFUZZY SETسیستم های فازی)نظر و همچنین پژوهش حاضر نشانای و اعتبار سنجی داده ها، مورد استفاده قرار گرفته شد.

می دهد که با توجه به دقت کلی مدل و ضریب کاپای فازی شده بدست آمده، این کالسیک در شبیه سازی سیستم هایCAمدل نتایج بهتری را نسبت به مدل های

شهری پیچیده غیر خطی بدست می دهد.

شبکه های عصبی مصنوعی، اتوماتای سلولی،مدلسازی، واژه های کلیدی:سیستم های فازی، رشد شهری

د

فهرست مطالب

صفحه عنوان

مقدمه: فصل اول......................................- طرح مسئله و ضرورت تحقيق 1-1...........................................................-اهداف پژوهش1-2

.........................................................-اهداف کالن1-2-1..........................................................-اهداف خرد1-2-2

..........................................................-سواالت پژوهش1-3..........................................-فرضيه تحقيق و مدل تحقيق1-4...................................................-روش شناسی تحقیق1-5......................................-روش و ابزار گردآوری اطالعات1-6 )در صhورت و روش نمونه گhيری -جامعه آماري و تعداد نمونه1-7

.............................................................................لزوم(........................................-روش تجزيه و تحليل اطالعات1-8

فصل دوم: مروری بر ادبیات تحقیق.....................................................................-مقدمه 2-1........................................-مفهوم رشد و توسعه شهری2-2..............................................................-توسعه شهر2-3

............................................-اهمیت توسعه شهری2-3-1..............................................................-رشد شهری2-4

....................................-رشد شهر و توسعه فیزیکی2-4-1..................................-مفهوم توسعه کالبدی و اشکال آن2-5

......................-عوامل موثر در توسعه کالبدی شهر ها2-5-1.........................-تصورات نادرست پیرامون توسعه شهری2-6............................................-مدل سازی توسعه شهری2-7

صفحه عنوان

...........................................................-ماهیت مدل ها2-8.......................................-مدل ها در فرایند برنامه ریزی2-9

..........................................-کاربرد مدل در شهرسازی2-10..........................-مدلسازی شهری پویا )دینامیک شهری(2-11...........................-سلول های خودکار و مدلسازی شهری2-12..........................................................-کارهای اولیه 2-13

ه

-تحقیقات اخیر در زمینه مدل سازی شhهری بhا سhلول هhای2-14...........................................................................خودکار......-کالیبراسیون )زینه بندی ، تنظیم ، درجه بندی ، واسنجی(2-15

28.....................................................-شبکه های عصبی2-16

-شبکه های عصhبی ، سhلول هhای خودکhار و مدلسhازی2-16-1.................................................................رشد شهری

....................................................-سیستم های فازی2-17

فصل سوم: تئوری ها و الگوریتم ها......................................................................-کلیات3-1......................................-مدلسازی با سلول های خودکار3-2

...............................................-پیش زمینه تاریخی3-2-1......................................- تئوری سلول های خودکار3-2-2...................................................CA-ساختار مدل 3-2-3

................................................-شبکه سلولی3-2-3-1..............................................-وضعیت سلول3-2-3-2...................................................-همسایگی 3-2-3-3..........................................................-زمان3-2-3-4................................................-قوانین انتقال3-2-3-5

...................................-سلول های خودکار یک بعدی3-2-4....................................-سلول های خودکار دو بعدی3-2-5

......................................................-شبکه های عصبی 3-3........................................................-پیش زمینه 3-3-1.........................................-اجزای یک شبکه عصبی3-3-2............................-اصول شبکه های عصبی مصنوعی3-3-3.........................................-شبیه سازی های عصبی3-3-4

صفحه عنوان

................-مؤلفه های دخیل در یک شبیه سازی عصبی3-3-5........................................-فرموالسیون مسئله3-3-5-1.....-جمع آوری اطالعات و وارد نمودن آنها به شبکه3-3-5-2...................................-اعتبار سنجی در شبکه 3-3-5-3.................................-آنالیز حساسیت در شبکه3-3-5-4.............................................-توپولوژی شبکه3-3-5-5.........................................-پایش نمودن عالیم3-3-5-6..........................................-انجام شبیه سازی3-3-5-7..............................-تعیین ماتریکس همبستگی 3-3-5-8.....................................-تقسیم نمودن داده ها3-3-5-9

..............................................-نرمال سازی3-3-5-10............................................-معماری شبکه 3-3-5-11

و

...........-آنالیز های شبکه های عصبی و تابع هزینه3-3-5-12................................... -سنجش کارایی شبکه3-3-5-13....................................-میانگین مربعات خطا3-3-5-15..................میانگین مربعات نرمال شده ی خطا3-3-5-16.................................................-درصد خطا3-3-5-17

..........................-آموزش شبکه های عصبی مصنوعی3-3-6...........................................-آموزش از دیدگاه کلی3-3-7..................................................-داده های ورودی3-3-8

..............................................-اندازه ی شبکه3-3-8-1................................................-پایان آموزش3-3-8-2.........................................-روش های آموزش3-3-8-3

...-الگوریتم های یادگیری نظارت شده یا با ناظر3-3-8-1-172

-الگوریتم های یادگیری نظارت نشده یhhا بhhدون3-3-8-1-2...................................................................ناظر

.........................-الگوریتم پس انتشار خطا 3-3-8-1-3......................................................-سیستم های فازی3-4............................-چرا از منطق فازي استفاده مي كنيم؟3-5...................................................-عناصر سيستم فازي3-6

...............................................-مجموعه هاي فازي3-6-1صفحه عنوان

......................................-مجموعه فازی منفرد3-6-1-1...........................................-عملگر هاي فازي3-6-1-2..................................................-قواعد فازي3-6-1-385................................- به كار گيري قوانين فازي3-6-1-4...............................................-استدالل فازي3-6-1-5...............................................-روش مستقيم3-6-1-6...............................................-روش ممداني3-6-1-7.................................................Sugeno-روش 3-6-1-8........................(Defuzzification-غير فازي سازي )3-6-1-9

..................................................-مركز ثقل3-6-1-10.............................................-ميانگين مراكز3-6-1-11........(Min، Max، Mean-يكي از مراكز خروجي ها )3-6-1-12

..............................................(FCM-خوشه بندي فازي )3-7............................................... Neuro-fuzzy-روش 3-7-13-7-2-VGA-FCM..........................................................

.............................................-الگوريتم هاي خوشه بندي3-8...........................................fuzzy C-means-الگوريتم 3-8-1

...................................-طبقه بندي تصاوير با منطق فازي3-9...........................................................-روش كار3-9-1

ز

فصل چهارم: مطالعه موردی شهر مهاباد...................................................................- مقدمه4-1..................................................-بررسي هاي تاريخي 4-2...................................- خصوصیات جغرافیایی و اقلیمی4-3....................................................-موقعیت جغرافیایی4-5....................................................-وضعیت توپوگرافی4-6......................................................................-گسل4-7........- چگونگی توسعه شهر و روند رشد آن در ادوار گذشته4-8 -محدودیت و موانhع طhبیعی و قhابلیت توسhعه جهhات مختلhف4-9.............................................................................شهر

صفحه عنوان

....................-نحوه پراکندگی روستاهای و جاذبه جمعیتی4-10................................................-جمعیت و تحوالت آن4-11

فصل پنجم: داده ها و روش اجرای مدل....................................................................-مقدمه5-1 ، داده هhhای و نحhhوه اسhhتخراجCA_ANN-روش اجhhرای مhhدل 5-2

.......................................................................پارامترها.........................-آموزش شبکه های عصبی مصنوعی5-2-1

.....................-داده های مربوط به کاربری زمین5-2-1-1..........................-داده های همسایگی و فواصل5-2-1-2...........................-داده های محدودیت )زونینگ(5-2-1-3

.............................-ساختار شبکه و نحوه آموزش آن5-2-2.......................ANN از طریق CA-کالیبره کردن مدل 5-2-3

............................................-شبیه سازی رشد شهری5-3.........................2015-پیش بینی رشد شهری برای سال 5-4.....................................................-اعتبار سنجی مدل5-5........................................................-آزمون فرضیات3-6

فصل ششم: نتیجه گیری..............................................................-نتیجه گیری6-1154..............................................................- پشنهادات 6-2

فهرست منابع و مأخذ156..................................................................منابع فارسی

157...............................................................منابع انگلیسی

163..........................................................................پیوست

ح

فهرست جدول ها

صفحه عنوان

............................... : مدل های مختلف شبکه عصبی1-3جدول ..... . مساحت طبقات ارتفاعی محدوده شهر مهاباد4-1جدول شماره

105..................... . ویژگی های بارز تاریخی مهاباد4-3جدول شماره . سیر تحول کالبدی- فضایی و الگوی توسعه شهر4-4جدول شماره

..............................................................................مهاباد روند تغیhیرات مhیزان شهرنشhینی و روستانشhینی4-5جدول شماره

در استان .........................................آذربایجان غربی و شهرستان مهاباد

: رونhhد تغيhhيرات تعhhداد جمعيت و متوسhhط رشhhد4-6جدول شhhمارهجمعيت استان

......1365-1385 آذربايجان غربي و شهرستان مهاباد طي سالهاي مساحت و تراکم جمعيhhتي شهرسhhتانهاي اسhhتان:hh 4-7جدول شماره

آذربايجان غربي.............................................................1365-1385 سال

.............. . پارامترهای بکار گرفته شده در مدل5-1جدول شماره .5-2جدول شماره بخشی از داده های نمونhhه بکhhار بhhرده شhhده در

....................................................................فرایند آموزش . برخی دیگر از روش های کالیبره کردن سلول های5-3جدول شماره

144.............................................................................خودکار

ط

فهرست شکل ها

صفحه عنوان

..... 2030 . تخمین میزان جمعیت شهری تا سال 2-1شکل شماره . درصhhد جمعیت شhhهری بhhر اسhhاس طبقhhه بنhhدی2-2شکل شماره

...................................................................جمعیت شهرها : فضای سلولی شماتیک با پیکسل هhhای قرمhhز و3-1شکل شماره

..................................................................................آبی:hh 3-2شکل شماره حاالت پیکسل ها در مشهورترین طhhرح هhhای

همسایگی ...............................................................سلول های خودکار

: مثhhال رایج عhhام معمhhولی مشhhترک از الگوهhhای سhhلول3-3شhhکل .....................................................................خودکار پیچیده

............................................. تاثیر مقیاس سلول : 3-4شکل .................................. : تاثیر همسایگی بر روی مدل3-5شکل : همسایگی دایره ای در سه مقیاس کوچک ، متوسhhط و3-6شکل ................................................................................بزرگ

پیکسل و باN=10 : یک سلول خودکار یک بعدی با 3-7شکل شماره .................................t در زمان معین a 1 ,….., a10حاالت ممکن

........: سلول های خودکار یک بعدی دارای ساختار ابتدایی3-8شکل : همسایگی پیکسل شهری واقع شده در مhhوقعیت شhhبکه3-9شکل

...................................................................................ای.................................α مور برای 3×3 : همسایگی 3-10شکل

: فرایند های آموزش و یhhادگیری در شhhبکه هhhای3-11شکل شماره ...............................................................................عصبی.......................................... در شبکه عصبیg تابع :3-12شکل ................................................. : تابع فعال سازی3-13شکل .................... : وزن های بین الیه های پنهان و خروجی3-14شکل x( x1: ورود یک بردار 3-15شکل , x2 , x3 , x4 , x5 به شبکه عصبی )............................................ : ساختار يك سيستم فازي3-16شكل ............................. : نمونه اي از مجموعه هاي فازي3-17شكل

.................. : تعدادي از مجموعه هاي فازي استاندارد3-18شكل ................................ : شكل توابع عضويت استاندارد3-19شكل

صفحه عنوان

..................................................π : تابع عضويت 3-20شكل .............................................A : تكيه گاه مجموعه 3-21شكل .......................................... : مجموعه فازي منفرد3-22شكل

ي

.................................... از مجموعه فازيα : برش 3-23شكل .................................... : مجموعه فازي غير محدب3-24شكل ........................ : نحوه به كار گيري عملگر هاي فازي3-25شكل ...................................................... : متغير لغوي3-26شكل 86.......................: نحوه استخراج نتيجه به صورت فازي3-27شکل .........................Sugeno : نحوه عملكرد سيستم فازي 3-28شكل ............................... : پروسه غير فازي سازي نتيجه3-29شكل ................................................... : ميانگين مراكز3-30شكل ..........................................................: نوروفازي3-31شكل ..........................................: سيستم مورد استفاده3-32شكل

. مhhدل آمhhوزش و شhhبیه سhhازی رشhhد شhhهری از5-1شhhکل شhhماره..................................................................CA_ANNطریق

فهرست نمودارها

صفحه عنوان

: رونhhد تحhhوالت جمعیhhتی شhhهر مهابhhاد طی بhhازه4-1نمودار شماره.........................................................1385 تا 1345زمانی

-1989 . مساحت کاربریهای مختلف بین سالهای 5-1نمودار شماره2000 – 2005..................................................................

. . روند رشد سریع کاربری شهری در شهر مهاباد5-2نمودار شماره . .140

ك

فهرست نقشه ها

صفحه عنوان

...................... . موقعیت جغرافیایی شهر مهاباد4-1نقشه شماره . طبقhhات ارتفhhاعی محhhدوده اسhhتحفاظی شhhهر4-2نقشhhه شhhماره

..............................................................................مهاباد................................. . گسل های شهر مهاباد4-3نقشه شماره

:روند رشد شکل گیری و توسعه شhhهر مهابhhاد در4-4نقشه شماره ................................................................................گذر

: نقاط و جاذبhhه جمعیhhتی روسhhتاهای محhhدوده شhhهر4-5نقشه شماره114..............................................................................مهاباد+ TM , ETM. ترکیب باندهای بهینه تصاویر ماهواره های 5-1نقشه

.........................................................محدوده ی شهر مهاباد زمین مرجع نمودن تصاویر ماهواره ای از طریق عکس .h 5-2نقشه هوایی

......................................................... مربوط به شهر مهاباد . طبقه بندی تصاویر ماهواره ای شهر مهاباد برای5-3نقشه شماره

.......................................................................2005سال . طبقه بندی تصاویر ماهواره ای شهر مهاباد برای5-4نقشه شماره

سال های

ل

.................................................................2000 و 1989 ........1989. طبقه بندی تصویر ماهواره ای سال5-5نقشه شماره ........2000. طبقه بندی تصویر ماهواره ای سال5-6نقشه شماره ........2005. طبقه بندی تصویر ماهواره ای سال5-7نقشه شماره ........ . مدل ارتفاعی و شیب محدوده شهر مهاباد5-8نقشه شماره

. . نقشه سلسه مراتب راههای محدوده شهر مهاباد5-9نقشه شماره 130

. محhhل اسhhتقرار مراکhhز اشhhتغال کارگhhاهی شhhهر5-10نقشhhه شhhماره131............................................................................. مهاباد

. پارامتر های منطقه ای بکار گرفته شده در مhhدل5-11نقشه شمارهCA_ANN ..........................................................................132

........ حریم استحفاظی دریاچه سد شهر مهاباد5-12نقشه شماره ....... . حریم استحفاظی رودخانه های شهر مهاباد5-13نقشه شماره

135

صفحه عنوان

. شhhبیه سhhازی و پیش بیhhنی رشhhد شhhهری شhhهر5-14نقشhhه شhhماره 142..............................................................................مهاباد

شهر2015 . پیش بینی رشد شهری برای سال 5-15نقشه شماره ..............................................................................مهاباد

. اعتبhhار سhhنجی مhhدل پیشhhنهادی بhhر اسhhاس5-16نقشhhه شhhماره مقایسه شاخص

................................................................ کاپای فازی شده

م

فصل اول

مقدمه

گسترش بی رویه اراضی شهری از مهمترین مسائل و معضالت برای مدیران و برنامه ریزان شهرها در سطوح گوناگون است. از آنجاییکه امروزه بررسی روند تغییرات کاربری اراضی به کاربری

اشندبشهری و شناسایی پارامترهایی که در این تغییرات مؤثر می نقش اساسی در تصمیم گیریها و برنامه ریزی های بلند مدت بازی

می کنند، لذا کشف قوانین و روابط مؤثر در تغییر سایر کاربریها شهری و همچنین پیش بینی روند توسعه شهرها در آینده با روشهای

دقیق و کارآمد بیش از پیش ضرورت دارد.–از آنجاییکه در منابع علمی داخلی از مدلهای پویا در مسائل شهری

بخصوص گسترش شهرها- کمتر استفاده شده است ، بنابراین ارزیابی قابلیت استفاده از این مدل ها در مناطق مختلف می تواند گام مهمی در جهت توسعه آنها باشد. مدلهای سلول های خودکار یا

( به دلیل داشتن ماهیت دینامیک و همچنین ساختاریCAبه اختصار ) ساده در مدل سازی عوارض طبیعی و فیزیکی سطح زمین ، کاربرد

نسبتا وسیعی در پیش بینی تغییرات کاربری اراضی و همچنینتوسعه اراضی شهری یافته است.

با استفاده از داده های موجود در زمان گذشته و بررسی وضعیت توسعه اراضی در آن زمان می توان پارامترهای تاثیرگذار در رشد

اراضی را شناسایی نموده و از آنها برای پیش بینی روند توسعه در آینده استفاده نمود. در واقع محققین مسائل شهر ی با تعریف مدل

CA_ANNبر اساس پارامترهای مورد نظر خود و اجرای آن در بستر زمان قادر خواهند بود گسترش فضایی اراضی شهری در آینده را

پیش بینی کرده و به درجه نسبتا مطلوبی از انطباق با واقعیت

1

دست یابند.

- طرح مسئله و ضرورت تحقيق 1-1 جهاني که در آن زندگي مي کنيم، مرتبا در حال تغيير است. عوامل

تغيير و تحوالت نقش دارند که آنها را مي توان به مؤثری در این اين طور کلی به دو دسته طبيعي و انساني دسته بندي کرد.

عوامل ، در مکانها و شرايط مختلف تأثيرات متفاوتي را بر روي پديده ها و عوارض سطح زمين دارند. بر اساس نظریه های

موجود ، شهرها سیستم هایی پیچیده، باز ، پویا و خود سازمانده پیچیدگی هستند که در فرایند توسعه آنها، بسیاري از نشانه هاي

ظهور و ... وجود مانند: ابعاد فرکتال، خودمانندي، خودسازماندهی، (. 2001 ،1دارد) تورنس

مفیدی را براي از سوی دیگر مدلهاي فضایی ، ابزارهای درك فرایند توسعه شهري در اختیار برنامه ریزان و تصمیم

( و با ابزار مدل2،2008گیرندگان قرار می دهند ) اوکادا و ژانگ شهري، الگوهاي فضایی و روندهاي سازي می توان سیستم پیچیده

شبیه سازي کرد و درك بهتري از سیستم شهر به رشد شهري رایک کل، به دست آورد. عنوان

در راستای دستیابی به یک مدل بهینه به منظور شبیه سازی گسترش شهری ، در ده های اخیر تکنیک های فراوانی به کار گرفته شده و مورد توجه قرار گرفته اند. یکی از این تکنیک ها استفاده از

سلول های خودکار جهت شبیه سازی رشد شهری می باشد . آنچه مسلم است اینکه در فرایند شبیه سازی ، کالیبره

کردن نیاز به پیدا کردن وزن هایی )ارزش ها( از پارامترهای شبیه ساز دارد که بتواند بهترین تناسب با توسعه واقعی را داشته باشد و با وجود گذشت چندین دهه از استفاده از این روش در برنامه ریزی شهری و تالش پژوهشگران در دستیابی به یک مدل کاربردی جهانی

به منظور پیش بینی پیچیدگی های سیستمهای شهری ، هنوز کمبودهای در زمینه کالیبره کردن مدل سلولهای خودکار احساس

می شود. اشاره به مطالعات در زمینه کالیبره کردن در شبیه و3( از جمله تالش های ووCAسازی از طریق سلول های خودکار)

1 .Thorrens2 .Okada & Zhang3 . WU

2

( وMCE( با استفاده از ارزیابی چند معیاره )1998 )1وبستر ( ، استفاده از تحلیل سلسله2006 )2همچنین پروفسور ژی لی

نتایج متفاوتی بدستCA برای کالیبره کردن مدل (AHPمراتبی )داده است.

از سوی دیگر با افزايش جمعيت در نقاط شهری در طی سالهاي اخير، شهرها با گسترش فيزيکي روبرو بوده اند.

شهرمهاباد به دليل موقعيت خاص ژئوپلتيک خود از این قاعده مستثنی نیست و در طي سالهاي اخير با رشد سريع جمعيت و بالتبع توسعه فيزيکي بدون برنامه مواجه بوده است. مطالعه و مدلسازی

مي تواند3CA-ANNروند گسترش این شهر با استفاده از روش راهنماي برنامه ريزان شهري جهت شناسايي روند توسعه و مقايسه آن با برنامه ريزيهاي انجام شده طي طرحهاي جامع شهري و اطالع

سقم پيش بيني هاي انجام شده و ياريگر آنان براي ارائه از صحت وشهروندان باشد. برنامه هاي توسعه شهري و خدمات رساني به

این تحقیق در صدد است که با ارزیابی مدل های بکار گرفته شده و بررسی تئوری های رشد شهری ، مدل منطبق با رشد

شهری شهر مهاباد را استخراج نموده و نتایج آن را مورد تجزیه و تحلیل قرار دهد و در پیش بینی گسترش آتی شهر مورد استفاده

نتایج حاصل از اين تحقيق با توجه به شناسایی قرار داده شود. روش بهینه و شبیه سازی گسترش آینده شهر مهاباد مي تواند به

منزله مالکي در زمينه چگونگي برنامه ريزي به عنوان الگويي براي نهادهای دست اندرکار استفاده شده و از آن به عنوان معيار و

الگوي اصالح رويه ها و شيوه هاي اجرايي در زمينه پیش بینی هایآتی بکار گرفته شود.

-اهداف پژوهش1-2-اهداف کالن1-2-1

ارایه نتایج محاسباتی ، واقعی و معنا دار از تغییرات کاربری زمین فراهم ساختن پایه های نظری برای مدل سازی این تغییراتتهیه چارچوب عملیاتی برای حل موقعیت های مختلف مسئله

) برنامه ریزی(

-اهداف خرد1-2-2اhhهری بhhترش شhhنی گسhhور پیش بیhhه منظhhه بhhدلی بهینhhایی مhhشناس

استفاده از رویکردهای موجود.بیهhhوثر در شhhای مhhایی معیارهhhاثیر و شناسhhیزان تhhه مhhابی بhhدست ی

1 . Webester2 . xia li3 . Cellular Automata and Artificial Neural Networks

3

سازی رشد شهری.ایhhلول هhhردن سhhالیبره کhhب جهت کhhوریتمی مناسhhه الگhhتیابی بhhدس

خودکار برای شبیه سازی رشد شهری.راهم آوردنhhد فhhال می کنhhق دنبhhه این تحقیhhری کhhده دیگhhدف عمhhه

ابزاری است که قادر باشد بhhا اریhhه تصhhویری واقhhع گرایانhhه از آینhhده شهر که بر پایhhه هhhای مسhhتدل اسhhتوار اسhhت، یhhاری دهنhhده تصhhمیم سازان و سیاست گذران باشhhد. در حقیقت بhhا اسhhتفاده از این مhhدل کاربر می تواند با تغییر در مقدار پارامتر های موجود تاثیر آنهhhا را درشکل آینده شهر مالحظه نموده و تصمیمات اصولی تری اخذ نماید.

-سواالت پژوهش1-3 می تواند نتایج واقعی راCA-ANNآیا مدلسازی با استفاده از روش .1

در فرایند شبیه سازی رشد شهری مهاباد نشان دهد ؟ آیا معیارهای بکار برده شده در فرایند شبیه سازی رشد شهری می.2

توانند رشد شهری مهاباد را به صورت مطلوب شبیه سازینمایند. ؟

به معیارهای بکار برده درANNآیا تخصیص وزن از طریق الگو ریتم .3؟درجه صحت مدل تاثیری دارد

-فرضيه تحقيق و مدل تحقيق1-4 می تواندCA-ANNبه نظر می رسد مدلسازی با استفاده از روش .1

نتایج واقعی را در فرایند شبیه سازی رشد شهری مهاباد نشاندهد .

به نظر می رسد معیارهای بکار برده شده در فرایند شبیه سازی.2 رشد شهری می توانند برازش مناسبی از رشد آتی شهر مهاباد به

دست دهند. به معیارهایANNبه نظر می رسد تخصیص وزن از طریق الگوریتم .3

در بهبود درجه صحت مدل تاثیرCAبکار برده شده در مدل , AHPچشمگیری نسبت به دیگر الگوریتم های وزندهی دیگر نظیر

FUZZY.و ... داشته باشد در شبیه سازی رشد شهریCA-ANNبه نظر می رسد رویکرد .4

% موفق باشد.75 بیشتر از 1مهاباد با درجه انطباق

-روش شناسی تحقیق1-5 این پژوهش بر اساس اهداف آن ، تحقیقی کاربردی و از لحاظ

تحلیلی و اکتشافی–روش و ماهیت آن در رده تحقیقات تجربی

1.accurcy

4

قرار می گیرد .

-روش و ابزار گردآوری اطالعات:1-6 در تحقيق حاضر با توجه به مباني نظري، اهداف و روشهاي تحقيق و اينکه تحقيق از نوع مطالعات کاربردي است ، لذا در مطالعات از

شيوه هاي : در قسمت مطالعات اسنادي از کتب و مقاالتمختلف اسنادي :.1

معتبر خارجي و داخلي استفاده گرديده است. در اين قسمت از تصاویر ماهواره یداده های سنجش از دور :.2

+ و عکس های هوایی محدوده شهرTM,ETMلندست ، سنجندهای مهاباد استفاده خواهد شد .

در این پژوهش به منظور بررسی صحت ومطالعات میدانی:.3 سقم داده های جمع آوری شده به بررسی های میدانی پرداخته

خواهد شد.

و روش نمونه-جامعه آماري و تعداد نمونه1-7)در صورت لزوم(:گيری

جامعه آماري اين تحقيق شهر مهاباد با جمعيتي حدود دویست هزار ۱۳۸۵برپایه آخرین سرشماری مرکز آمار ایران در سال نفر که

نفر داشته است.201657خورشیدی، این شهر جمعیتی بالغ بر مساحت متری از سطح دریا و با ۱۵۳۸ تا ۱۴۵۰مهاباد در ارتفاع

۴۳ درجه و ۴۵در موقعیت طول جغرافیایی کیلومتر مربع ۲۵۹۱ دقیقه شمالی۴۶ درجه و ۳۶دقیقه شرقی و عرض جغرافیایی

۲۲۴ازاستوا قرار گرفته و با دو بخش، مرکزی و خلیفان دارای نفر در204 که دارای سرانه مسکونی روستا دارای سکنه می باشد.

هکتار می باشد.

-روش تجزيه و تحليل اطالعات1-8 در این پژوهش ابتدا با بررسی و طبقه بندی تصاویر ماهواره ای در

(FUZZYطی چند دوره زمانی متفاوت با استفاده از روش فازی ) روند رشد در طی دهه های مختلف را شناسایی کرده و از طریق

روند مذکور شبکه های عصبی آموزش خواهند دید و در فرایند شبیه سازی استفاده خواهند شد. این فرایند با بررسی روند رشد

تاریخی شهر مهاباد در دوره های متفاوت زمانی و تئوری های رشد

5

شهری فاکتورهای اصلی تاثیر گذار بر روند رشد انجام می شود. در (جهت رقومی کردن اینGISاین میان سامانه اطالعات جغرافیایی )

فاکتورها و تحلیل های فضایی پارامترهای بکار گرفته می شود و در ( جهت تخصیصANNادامه از الگوریتم شبکه های عصبی مصنوعی)

وزن مناسب به پارامتر ها مورد نظر استفاده نموده و در نهایت این ( جهت شبیه سازی تغییراتCAالگوریتم با سلول های خودکار)

آتی شهر تلفیق خواهد شد. عالوه بر این برای تجزیه و تحلیل داده IDRISIهای مربوط به شبیه سازی و توسعه شهری از نرم افزارهای

ANDES و GEOSIMULATION.بهره گرفته شده است

فصل دوم

مروری بر ادبیات تحقیق

-مقدمه2-1 به منظور بدست آوردن درک بهتر درباره سیستم های شهری محققان روش های مدلسازی و شبیه سازی را به خدمت می

گیرند ، اما به دلیل پیچیدگی های سیستم های شهری روش های مدلسازی کالسیک کارآمد نیستند. شهرها ترکیب پیچیده ای از

6

عناصری هستند که تاثیرات گوناگون روی فرآیند رشد شهری دارند و ارتباط متقابل این عناصر بسیار پیچیده است )جون فنگ ،

(. بنابراین ، این پیچیدگی ها استفاده از مدل های کالسیک را2003 برای مدلسازی مشکل می سازند ، زیرا آنها ایستا ، خطی ، تجمعی

1، به هم پیوسته و بر اساس تئوری سیستم های ساده باال به پایین هستند. پس به منظور مدلسازی سیستم های شهری باید روش های جدیدی به خدمت گرفته شود که دینامیک ، غیر خطی ، غیر تجمعی ،

باشند )همان(.2گسسته و پائین به باال در این فصل سعی بر آن است به مرور ادبیات مدلسازی

رشد شهری در قالب مفاهیم رشد و توسعه شهری ، الگوریتم های هوشمند ، شامل سلول های خودکار ، شبکه های عصبی و سیستم های فازی پرداخته و جزئیات تفصیلی پیشرفت های اخیر در زمینه طراحی و کاربرد مدل های رشد شهری و استراتژی های کالیبره

کردن آنها را مورد بررسی قرار می دهد.

-مفهوم رشد و توسعه شهری2-2 پديده توسعه شهري را در يک کشور نبايد با رشد شهرنشيني اشتباه

يک مقوله کمي، خود را به دو گرفت. رشد نقاط شهري به عنوان صورت، افزايش در اندازه جمعيتي شهرها و گسترش در مقياس

آنها نشان مي دهد. درحاليکه پديده توسعه شهري نمايانگر کالبدي يک نظام سلسله مراتبي توزيع بهينه دو عامل يکي تعداد شهرها در

و ديگري امكانات و تسهيالت زندگي و موقعيتهاي اشتغال و اقتصادي- اجتماعي در مراکز شهري کشور مي باشد که شکوفايي

در فرايند توسعه شهري, رشد عددي جمعيت و پاسخگويي به نيازها و خواسته هاي آنها دو اصل اجتناب ناپذير قلمداد مي

)۱۳۶ :ص ۱۳۷۲گردند)اشکوري, بنابراين اين رشد وگسترش شهري صرفاً فيزيك شهري است

آموزش، بهداشت و فرهنگ آن يعني نوعي از تجمع، که فکري براي نشده است و فاقد زيرساخت است)وزارت مسکن وشهرسازي,

( که۱۵ :ص ۱۳۷۶شهري در پروژه آماده سازي زمين, برنامه ريزي جنبه هاي مختلف رشد شهري خود را به سه صورت نشان يا به

گفته پيرژرژ وجه صوري شهر است که در “ فضايي يا کالبدي “ مي1 .top-down2 .bottom-up

7

اين مرحله به بررسي اينکه دهد که صورت نخست, شکل شهرچگونه مرحله به مرحله در مقر خود رو به گسترش مي نهد و

رشد در سيماي بناها و شکل گيري راههاي ارتباطي چگونه اين عملکردي شهر انعکاس مي يابد پرداخته مي شود. صورت دوم وجه

است و آن آگاهي بر اين واقعيت است که چگونه توالي نقشها و مقتضيات تاريخي, موجب پديد آمدن وضع انطباق آن با الزامات و

اين دو کنوني شهر از نظر عملکرد و نقش شهري گرديده است که وجه صوري و عملکردي در پيوند با وجه سومي قرار دارند که

باشد. در واقع نقش شهر باعث عبارتند از وجه جمعيتي آن مي تثبيت ميزاني از جمعيت( يا آستانه اي از جمعيت) مي گردد که

و بلعيده شدن مراکز روستايي “ يا اثرات متقابل اين دو بر جمعيت اطراف شهر تغيير يکديگر “ شهر در اثر رشد طبيعي و مهاجرت

مي کند. با اين همه رشد شهرها در پي سازگاري خود با فنون و با اقتصادي پديد نمي آيد بلکه همواره يکنوع عقب اشکال جديد

نقش گذشته ماندگي( که مشکل زاست) موجود است. در قلمرو شهر، باز هم در شکل معيشت ها و سنت هايي که عامل ضعف يا

:ص۱۳۷۱قدرت کنوني است جريان خود را ادامه مي دهد )درئو, ۸۵۹)

-توسعه شهر2-3 توسعه شهر فرايندي است متأثر از عوامل اقتصادي, زيست

طول تاريخ مراحل محيطي, اجتماعي, سياسي و جمعيتي که در مختلفي را طي کرده است. مي توان سه مرحله مهم تاريخي را از

مشخص نمود: نظر توسعه شهرها - شهرهاي قرون وسطي و۲- شهرهاي نخستين و باستاني, ۱

صنعتي, توسعه شهرها در اين - شهرهاي بعد از انقالب۳رنسانس مقاطع تاريخي در ارتباط با عوامل مختلفي بوده است, چنانکه

نخستين در رابطه با مازاد توليد, اقتصاد پابرجا, مذهب, شهرهاي شرايط زيست محيطي, توسعه فنون, تخصص درحرفه, قشربندي

اجتماعي و افزايش جمعيت, و در مواردي عامل نظامي شكل سپس توسعه شهرها همواره تحت تأثير گرفته و بوجود آمدند.

عوامل مختلف سياسي, اقتصادي, مذهبي, فرهنگي, طبيعي, نظامي و تکنيکي ادامه يافته است. در طول مراحل مختلف تاريخي توسعه

نقشهاي متعدد شهرها به شهر ها, در ارتباط با جوامع مختلف و انجام رسيده است, که دراين رابطه مي توان شهرهاي تجاري,

نظامي, اداري- سياسي, مذهبي, تفريحي, گذرگاهي, دفاعي,

8

استراحتگاهي, استعماري و صنعتي را عنوان نمود) عزيزپور( .۱۱ ,ص ۱۳۷۵

به عبارت ديگر توسعه شهري, بسيج امکانات بالقوه اجتماعي, محيط زيست شهري و اقتصادي و کالبدي براي باال بردن کيفيت

برقراري توازن در کميت و کيفيت زندگي شهرنشيني است که در گسترش, آموزش, خدمات, بهداشت, و در مجموع فرهنگ اين نوع

يابد )وزارت مسکن بشري به همراه کيفيت سکونت افزايش مي وشهرسازي, برنامه ريزي شهري در پروژه آماده سازي زمين,

(. ۱۵ :ص ۱۳۷۶ در امر شهر و توسعه آن دو نوع نظریه مطرح می گردد؛یکی

نظریه های مهاجرتی و دیگری نظریه های رشد و ساخت شهر.از نظریه های مهاجرتی می توان به نظریه ی مطلوبیت مهاجرت و

نظریه ی درآمد مورد انتظار مهاجر در مقصد،نظریه ی تحلیل توسعه یافتگی اشاره کرد.این نظریه ها عموماً رشد و توسعه ی شهر را ناشی از افزایش نیروی انسانی در روستا و عدم جواب گویی روستا،باالبودن درآمد شهر نسبت به روستا در بخش های خدمات و صنعت،کنترل مرگ و میر،افزایش مهاجرت و برتری

جاذبه های شهری نسبت به روستا می داند. معروفترین نظریه ها در زمینه ی رشد و توسعه ی شهر نظریه ی دوایر متحد

المرکز"ارنست برگس" محقق آمریکایی است،ایشان در سال با بررسی که بر روی شهر شیکاگو و توسعه فضای آن انجام1955

داد نظریه خود را ارائه کرد از آنجا که هر کسی توجه خاصی به تاثیر شرایط آب و هوایی بر توسعه و تکامل شهر داشت گسترش

شهر را به صورت دایره ای فرض می کند که وجه بارز آن اعتقاد بهاین نکته است که در

توسعه ی فیزیکی شهر فرآیند پخشایش کاربری ها اتفاق می افتد و در نتیجه این جریان افراد و گروهها جا به جا می شوند و توسعه ی

شهر به صورت شعاعی از مرکز شروع و به یک سری دوایرمتحدالمرکز منجر می گردد.

نظریه ی توسعه شعاعی شهر را1939"همر هویت" در سال مطرح کرد،به اعتقاد "هویت"،شهر از مرکز اداری و بازرگانی در

طول محورهای ارتباطی توسعه می یابد و مناطق سکونت گاهی در جوار بزرگ راه های شهری رودخانه ها و جاده ها گسترش می یابد

و شهر در طول این مسیر ارتباطی به صورت قطاعی رشد میکند.

-اهمیت توسعه شهری2-3-1 در رابطه با2011گزارش اخیر سازمان ملل منتشر شده در سال

( بیان میUNFPA State of the World Population Reportافزایش جمعیت ) دارد که جهان در آینده به طور غالب شهری خواهد بود. در این

گزارش آمده است، در حالی که افزایش جمعیت در کشورهای در

9

حال توسعه به بار آورنده فقر و بیماری بوده است به نظر می رسدکه شهر ها محیطی

10

فهرست منابع و مأخذ

منابع فارسی (؛ طبقه بندی تصاویر ماهواره ای با استفاده از1387جباری، شبنم).1

روش فازی، دانشگاه تهران، پایانامه کارشناسی ارشد در رشتهسنجش از دور، تهران.

، ترجمه سیروس2(؛ جغرافیای انسانی، جلد 1371درئو، ماکس).2سهامی، انتشارات رایزن، تهران

(؛ تحلیل فضایی الگوهای توسعه فیزیکی1371زنگی آبادی، علی ).3 شهر کرمان؛ دانشگاه تربیت مدرس، رساله دکتری در رشته

جغرافیا و برنامه ریزی شهری، تهران (؛ مقدمه ای بر تاریخ شهر و شهرنشینی1376سلطان زاده، حسین ).4

در ایران ، نشر نی ، تهران ( ؛1389سلطانی، سعید ؛ سرداری، سروش؛ شیخه پور، مژگان ).5

شبکه عصبی مصنوعی ، نشر نص، تهران(؛ تاریخ مهاباد، انتشارات سیدیان، مهاباد1374صمدی، سید محمد).6 (؛ توان سنجی محیط طبیعی و توسعه فیزیکی1374عزیز پور، ملکه).7

شهر تبریز؛ دانشگاه تربیت مدرس، رساله دکتری در رشتهجغرافیا و برنامه ریزی شهری، تهران

(؛ مدل ها در برنامه1995لی، کوین؛ ترجمه عباس زادگان، مصطفی ).8ریزی شهری، انتشارات دانشگاه تهران، تهران

(؛ عوامل موثر بر توسعه و گسترش کالبدی1385محمدی، جمال ).9 شهرها؛ خالصه مقاالت اولین سمینار مشترک شهرسازی و ابنیه

تاریخی، دانشگاه زنجان ، زنجان( ؛ "طرح جامع مهاباد".1388مشاورین شهر و خانه بنا ).10 (؛ تحلیلی بر ویژگی های برنامه1373مشهدیزاده دهاقانی، ناصر).11

ریزی شهری در ایران، انتشارات دانشگاه علم و صنعت (؛ توسعه شهری ، شهرهای1372معصومی اشکوری، سید حسن ).12

جدید و نظام شهری ملی و منطقه ای، مجموعه مقاالت ارایه شده در کنفرانس بین المللی توسعه شهری و شهرهای جدید،

جلد اول، وزارت مسکن و شهرسازی، اصفهان (؛ مبانی شبکه های عصبی مصنوعی،1389منهاج، محمد باقر ).13

انتشارات دانشگاه امیرکبیر، تهران

11

منابع انگلیسی

14. Alkheder, SH(2006). Urban Growth Modeling with Artificial Intelligence Techniques. Purdue University, Phd Tez, USA

15. Batty, M. (1998). Urban evolution on the desktop: simulation with the use of extended

16. Batty, M., and Longley, P. (1994). Fractal cities: a geometry of form and function (London: Academic Press).

17. Batty, M., and Xie, Y. (1994a). From cells to cities. Environment and Planning B, 21:531–548.

18. Batty, M., and Xie, Y. (1994b). Modelling inside GIS: part 2. Selecting and calibrating urban models using ARC-INFO. International Journal of Geographical Information Systems , 8:451–470.

19. Batty, M., Longley, P. and Fotheringham, S. (1989). Urban growth and form: scaling, fractal geometry, and diffusion-limited aggregation. Environment and Planning A, 21:1447–1472.

20. Batty, M., Xie, Y., and Sun, Z. (1999). Modelling urban dynamics through GIS-based cellular automata. Computers, Environment and Urban Systems, 23:205–233.

21. Carpenter, G., Gjaja, M., Gopal, S., and Woodcock, C. (1997). ART networks in remote sensing, IEEE Transactions on Geoscience and Remote Sensing, 35(2):308–325.

22. Cellular automata in a geographical information system. Journal of Environmental Management ,53:293–308.

23. cellular automata. Environment and Planning A, 30:1943–1967.24. Chetouani Y (2008) A neural network approach for the real-time detection of

faults. Stoch Environ Res Risk Assess 22(3):339– 349.25. Clarke, K. C., and Gaydos, J. (1998). Loose-coupling a cellular automaton

model and GIS: long-term urban growth prediction for San Francisco and Washington/Baltimore. International Journal of Geographical Information Science, 12:699–714.

26. Clarke, K. C., Hoppen, S., and Gaydos, L. (1997). A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area. Environment and planning B , 24:247– 261.

27. Codd, E. F. (1968). Cellular Automata. Academic Press, New York.28. Computers, Environment and Urban Systems, 26(6):553-575.29. Couclelis, H. (1985). Cellular worlds: a framework for modelling micro-

macro dynamics. Environment and Planning A, 17:585–596.30. Couclelis, H. (1988). Of mice and men: what rodent populations can teach us

about complex spatial dynamics. Environment and Planning A, 20:99–109.31. Couclelis, H. (1997). From cellular automata to urban models: new principles

for model development and implementation. Environment and Planning B, 24:165–174.

32. DARPA definition (1988). Neural network study, AFCEA International Press, p. 60.

33. Dougherty, M. (1995). A review of neural networks applied to transport. Transportation Research C , 3(4):247–260.

12

34. Fischer, M., and Gopal, S. (1995). Neural network models and interregional telephone traffic: comparative performances between multilayer feedforward networks and the conventional spatial interaction model, Journal of Regional Science, 34:4:503–527.

35. Forrest, S. (1993). Genetic algorithms: principles of natural selection applied to computation. Science, 261:872-878.

36. Gardner, M. (1970). Mathematical games, the fantastic combinations of John Conway's new solitaire game "Life", Scientific American, 223: 120-123.

37. Gharagazlou, A., 2004, GIS and Environmental Planning and Assessment, National Cartographic Center Research Institute of NCC.

38. Gopal, S., and Woodcock, C. E. (1996). Remote sensing of forest change using artificial neural networks, IEEE Transactions on Geoscience and Remote Sensing, 34(2):398– 404.

39. Grossmann, W. D., and Eberhardt, S. (1993). Geographical information systems and dynamic modelling potentials for a new approach. In Geographic Information Systems, Spatial Modelling, and Policy Evaluation, edited by M. M. Fischer and P. Nijkamp (Berlin: Springer-Verlag), pages 167–180.

40. Hagerstrand, T. (1967). Innovation diffusion as a spatial process, University of Chicago Press, Chicago, IL.

41. He C., Okada N., Zhang Q., Shi P. and Li J., Modeling dynamic urban expansion processes incorporating a potential model with cellular automata, landscape and urban planning, No.86, 2008, pp. 79-91.

42. Hegde . Santosh ,2003 :Modeling Land cover Change :A Fuzzy Approach , International Institute for Geo-Information Science and earth Observation Enschede, Netherlands.

43. Hillier, B., and Hansen, J. (1984). The social logic of space, Cambridge University Press, Cambridge.

44. Holland, J. H. (1975). Adaptation in natural and artificial systems. University of Michigan Press, Ann Arbor, MI.

45. Hopfield, J. J. (1982). Neural networks and physical systems with emergent collective computational abilities. Proceedings of the National Academy of Sciences, Vol. 79.

46. Hopfield, J. J. (1982). Neural networks and physical systems with emergent collective computational abilities. Proceedings of the National Academy of Sciences, Vol. 79.

47. Hopfield, J.J., and Tank, D.W. (1985). Neural computation of decisions in optimization problems, Biological Cybernetics, 52:141–152.

48. Hu, Z., Lo, C.P., 2007, Modeling Urban Growth in Atlanta Using Logistic Regression, Computers, Environment and Urban Systems, 31, 667-688.

49. Jacobs, J. (1961). The death and life of great American cities, Random House publisher, New York.

50. Kavzoglu T and Mather PM (2003) The use of back propagation artificial neural networks in land cover classification. International Journal of Remote Sensing 24: 4097–4938.

51. Kirtland, D. (1993). Progress in global land data sets and land characterization: USGS research program. World Resource Review 5, 286–302.

13

52. Kirtland, D., DeCola, L., Gaydos, L., Acevedo, W., Clarke, K., Bell, C. (1994). An analysis of human-induced land transformations in the San Francisco Bay/Sacramento area. World Resource Review 6, 206–217.

53. Lambin, E.F., 1997, Modeling and Monitoring Land-cover Change Processes in Tropical Regions, Prog. Phys. Geogr. 21 (3), 375–393.

54. Landis, J. (1992). BASS II: A new generation of metropolitan simulation models, Institute of Urban and Regional Development, University of California at Berkeley, Berkeley, CA.

55. Langlois A., and Phipps, M. (1997). Automates cellulaires. Application à la simulation urbaine. Hermès, Paris, p.17.

56. Li, X., and Yeh, A.G.O. (2000). Modelling sustainable urban development by the integration of constrained cellular automata and GIS. International Journal of Geographical Information Science, 14:131–152.

57. Li, X., and Yeh, A.G.O. (2002). Neural network-based cellular automata for simulating multiple land use changes using GIS. International Journal of Geographical Information Science ,16(4):323–343.

58. Liu, Y., and Phinn, S. R. (2003). Modelling urban development with cellular automata incorporating fuzzy-set approaches. Computers, Environment and Urban Systems, 27:637–658.

59. Mamdani, E. H. (1974). Application of fuzzy algorithms for control of simple dynamic plant. IEEE Proceedings 121, 12: 1585–1588.

60. McCulloch, W. S., and Pitts, W. H. (1943). A Logical calculus of the ideas immanent in neural nets. Bulletin of Mathematical Biophysics, Vol. 5.

61. Metcalfe G., Olivetti N., and Gabbay D.M. (2008), Proof Theory for Fuzzy Logics (Applied Logic Series: Volume 36), Berlin: Springer.

62. Nedeljkovic . 2003 , IMAGE CLASSIFICATION BASED ON FUZZY LOGIC , The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. 34, Part XXX

63. Nissen, S. (2003). Neural network theory, http://fann.sourceforge.net/report/node4.html, accessed September, 2006.

64. Openshaw, S. (1998). Neural network, genetic, and fuzzy logic models of spatial interaction. Environment and Planning A, 30:1857–1872.

65. O'Sullivan, D., & Torrens, P. M. (2000). Cellular models of urban systems. In S. Bandini & T. Worsch, Theoretical issues on cellular automata. London: Springer-Verlag, 108-117.

66. Pijanowski, B. C., Long, D. T., Gage, S. H., and Cooper, W. E. (1997). A land transformation model: conceptual elements, spatial object class hierarchies, GIS command syntax and an application for Michigan’s Saginaw Bay Watershed.

67. Pijanowskia, B. C., Brown, D. G., Shellitoc, B. A., and Manikd, G. A. (2002). Using neural networks and GIS to forecast land use changes: a land transformation model.

68. Portugali, J., Benenson, I., and Omer, I. (1997). Spatial cognitive dissonance and sociospatial emergence in a self-organizing city. Environment and Planning B, 24:263– 285.

69. Rennard, Jean-Philippe (2000). Introduction to cellular automata, http://www.rennard.org/alife/english/acintrogb01.html#nac02, accessed September, 2006.

14

70. Rollins, E., One-dimensional cellular automata, Web source, http://eric_rollins.home.mindspring.com/introprogramming/hw5.html, accessed in July, 2006.

71. Salman Mahiny, A.S., Turner, B.J., 2003, Modeling Past Vegetation Change Through Remote Sensing and GIS: A Comparison of Neural Networks and Logistic Regression Methods, Proceedings of the 7th International Conference on Geocomputation, University of Southampton, United Kingdom.

72. Shatten, A. (1997). Cellular automata. Institute of General Chemistry, Vienna University of Technology, Austria.

73. Sipper, M. (1997). Evolution of parallel cellular machines: the cellular programming approach. 3–8, Springer-Verlag, Heidelberg.

74. Soares-Filho BS, Cerqueira GC, Pennachin CL (2002) DINAMICA— a stochastic cellular automata model designed to simulate the landscape dynamics in an Amazonian colonization frontier. Ecol Model 154:217–235.

75. Soltani, A. (2005). Towards Modeling Urban Growth with Using Cellular Automata (CA) and GIS , University of South Australia . Australia.

76. Storn, R., and Price, K. (1996). Minimizing the real functions of the ICEC'96 contest by differential evolution. IEEE Conference on Evolutionary Computation, Nagoya, 842– 844.

77. Storn, R., and Price, K. (1997). Differential evolution - a simple and efficient heuristic for global optimization over continuous spaces, Journal of Global Optimization, 11:341–359.

78. Takeyama, M., and Couclelis, H. (1997). Map dynamics: integrating cellular automata and GIS through Geo-Algebra. International Journal of Geographical Information Science, 11:73–91.

79. Tobler, W. R. (1979). Cellular geography, In : Philosophy in Geography, (Gale, S. and Olsson, G., eds.), pp.379–386. Dordrecht, Holland, D Reidel Publishing Company.

80. Torrens, P.M. 2001. New tools for simulating housing choices. Program on Housing and Urban Policy Conference Paper Series C01-006. Berkeley, CA: University of California Institute of Business and Economic Research and Fisher Center for Real Estate and Urban Economics.

81. Veldkamp, A., and Fresco, L. O. (1996). CLUE: A conceptual model to study the conversion of land use and its effects. Ecological Modelling, 85:253–270.

82. von Neumann, J. (1966). Theory of self-reproducing automata. University of Illinois Press, Illinois. Edited by A. W. Burks.

83. Wang, F., and Hall, G. B. (1996). Fuzzy representation of geographical boundaries in GIS. International Journal of Geogrophica1 Information Systems, 10:573–590.

84. Ward D, Murray A, Phinn S (2000) A stochastically constrained cellular model of urban growth. Comput Environ Urban Syst 24:539–558

85. White, R. and Engelen, G. (1992a). Cellular dynamics and GIS: modelling spatial complexity, WP-9263, Research Institute for Knowledge Systems (RIKS), Maastricht, The Netherlands.

86. White, R. and Engelen, G., (1992b). Cellular automata and fractal urban form: a cellular modelling approach to the evolution of urban land use

15

patterns, WP-9264, RIKS, Maastricht, The Netherlands.87. White, R., and Engelen, G. (1997). Cellular automata as the basis of

integrated dynamic regional modelling. Environment and Planning B, 24:235–246.

88. Wilson, A. (1978). Spatial interaction and settlement structure: toward an explicit central place theory, in spatial interaction, theory and planning models, Eds A Karlqvist et al (North-Holland, Amsterdam), pp.137–156

89. Wolfram, S. (1984). Communications in Mathematical Physics, 96:15-57.90. Wolfram, S. (1994). Cellular automata and complexity: Collected Papers,

Addison Wesley, MA.91. Wolfram, S. (2002). A new kind of science. Wolfram Media,Inc.

(http://www.wolframscience.com/nksonline).92. Wu, F. (1996). A linguistic cellular automata simulation approach for

sustainable land development in a fast growing region. Computers, Environment & Urban Systems, 20:367–387.

93. Wu, F. (1998). Simulating urban encroachment on rural land with fuzzy-logiccontrolled

94. Wu, F. (2002). Calibration of stochastic cellular automata: the application to rural-urban land conversions. International Journal of Geographical Information Science, 16:795– 818.

95. Wu, F., and Webster, C. J. (1998). Simulation of land development through the integration of cellular automata and multi-criteria evaluation. Environment and Planning B , 25:103–126.

96. Yang, X., and Lo, C. P. (2003). Modelling urban growth and landscape changes in the Atlanta metropolitan area. International Journal of Geographical Information Science, 17:463–488.

97. Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8: 335–353.98. Zadeh, L. A. (1971). Towards a theory of fuzzy systems, in Aspects of

Network and Systems Theory. Eds R. E. Kalman & N. DeClaris, Holt Rinehart, Winston.

16

پیوست

: کدهای برنامه نویس نرم افزار متلب ) طبقه بندی1ضمیمه تصاویر(

17

Abstract

Dynamic Spatial-Temporal Urban Growth Modeling Using Remote Sensing And Intelligent AlgorithmsThe Case Study of

Mahabad

By.......................

Simulation of urban development can be applied as a useful tool for analyzing the

complex processes of urban evolutions through cellular automata (CA). The

object of this Research is modelling and perceiving of the complex patterns of

control change by utilizing artificial intelligence techniques. Key subject is how

allocating weight into effective parameters unto urban development and

subsequently access to ideal simulation and nearby the reality. This Research is

going to show that allocating weight can be provided optimized results by using

of the artificial neural networks (ANN) algorithm. In this model unlike classic CA

models, automatically allocating weigth into parameters, by ANN training, is

accomplished through satellite images related to proceeding of the historical urban

development. In this basis, CA has been used as the principal motor of model and

ANN to find suitable weight of parameters and relations between potential urban

development and the characteristics of slightly site and also Fuzzy systems to

classify satellite images and validation of data. Present research demonstrates that

as for general accuracy of model and obtained Fuzzy kappa coefficient, this model

have given the better results than classic CA models in simulating complex

nonlinear urban systems.

Key words:, Modelling, Artificial Neural Networks, Cellular Automata , Fuzzy

systems, Urban development.

1

2

Shiraz University

Faculty of Art & Architecture

M.S Thesis in Urban and Regional Planning

DYNAMIC SPATIAL-TEMPORAL URBAN GROWTH MODELLING USING REMOTE

SENSING AND INTELLIGENT ALGORITHMSTHE CASE STUDY OF

MAHABAD

By.....................

Supervised byDr. A. SOLTANIDr. M.KABGANI

January 2012

3