RT - Journal Article T1 - Modeling and Prediction of Horizontal Urban Growth of Mashhad study region by Aggregating Cellular Automata, Fuzzy Theory, Neural Network and Logistic Regression JF - kntu-jgit YR - 2018 JO - kntu-jgit VO - 5 IS - 4 UR - http://jgit.kntu.ac.ir/article-1-545-fa.html SP - 93 EP - 111 K1 - Fuzzy cellular automaton K1 - anticipating K1 - GIS K1 - logistic regression K1 - multilayer perception artificial neural network AB - در این پژوهش با به‌کارگیری مدل اتوماتای سلولی (CA) توسعه یافته بر مبنای سیستم اطلاعات مکانی (GIS) و ارائه مدلی قدرتمند و ساده سعی بر مدل‌سازی و پیش‌بینی رشد شهر مشهد شده است. با وجود قابلیت‌های فراوان اتوماتای سلولی در مدل‌سازی رشد شهری، این روش دارای محدودیت¬هایی نظیر عدم توانایی در مدل‌سازی عدم قطعیت موجود در سیستم‌های شهری و انجام کالیبراسیون به‌صورت تجربی (روش آزمون‌وخطا) است. در روش پیشنهادی، به‌منظور غلبه بر مشکل عدم قطعیت و افزایش قابلیت مدل‌سازی، قوانین انتقال به‌صورت فازی بیان می-شوند. برای رفع مشکل دوم نیز عوامل موثر با استفاده از رگرسیون لجستیک وزن دهی شده و فرآیند کالیبراسیون اجرا می¬گردد. لذا در این مقاله با ترکیب روش‌های مختلف در یک‌روال منطقی و بر اساس مدلی قدرتمند و ساده فرایند پیش¬بینی رشد افقی شهر مشهد اجرا می‌گردد. بدین منظور با استفاده از تصاویر ماهواره‌ای لندست 8 و ETM+ رشد شهر مشهد برای دوره 2002- 2015 مدل‌سازی شده و پس از کالیبراسیون و اخذ نتایج قابل قبول از اعتبارسنجی، برای سال 2028 رشد افقی شهر پیش‌بینی می‌شود. نتایج به‌دست‌آمده نشان‌دهنده آن است که روش پیشنهادی با ضریب کاپای 8/54 و دقت کلی 92 درصد، به‌منظور شبیه‌سازی و پیش‌بینی رشد شهری، نشان دهنده افزایش دقت مدل در مقایسه با اتوماتای ساده متداول است. LA eng UL http://jgit.kntu.ac.ir/article-1-545-fa.html M3 10.29252/jgit.5.4.93 ER -