پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 162 |
| تعداد شماره‌ها | 6,691 |
| تعداد مقالات | 72,219 |
| تعداد مشاهده مقاله | 129,111,012 |
| تعداد دریافت فایل اصل مقاله | 101,915,155 |
تلفیق شبکة عصبی RBFLN و فن چندشاخصة ORESTE برای شناسایی مکان بهینة استقرار مراکز مالی و تجاری در فضای شهری (مطالعه موردی: شهر تهران) | ||
| مجله علمی " آمایش سرزمین " | ||
| مقاله 4، دوره 5، شماره 2، مهر 1392، صفحه 289-316 اصل مقاله (782.26 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jtcp.2013.36783 | ||
| نویسندگان | ||
| غدیر عشورنژاد* 1؛ حسنعلی فرجی سبکبار2؛ سید کاظم علوی پناه3؛ محمد حسن نامی4 | ||
| 1کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکدة جغرافیا، دانشگاه تهران | ||
| 2دانشیار گروه جغرافیا و برنامهریزی روستایی، دانشکدة جغرافیا، دانشگاه تهران | ||
| 3استاد گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکدة جغرافیا، دانشگاه تهران | ||
| 4دکتری جغرافیای سیاسی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران | ||
| چکیده | ||
| 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 بهینة استقرار مراکز مالی و تجاری، سامانه شبکة عصبی RBFLN، که شکل تغییریافتهای از شبکة عصبی بر پایة تابع شعاعی (RBFNN) است، در تلفیق با فن چندشاخصة ORESTE به‌کار گرفته شد. دادههای دو و چند کلاسة 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 شبکة عصبی شدند. به منظور یادگیری شبکه، 69 شعبة نمونه در شهر تهران و 34 نقطه غیربهینه به‌کار گرفته شد. نتایج تحقیق شبکة RBFLN دوکلاسه با دفعات تکرار 800 بار را با کمترین میزان خطای آموزش و طبقهبندی، به عنوان مناسبترین کلاس برای شناسایی مناطق بهینة (غربالگری) استقرار مراکز مالی و تجاری نشان میدهد. نتایج این غربالگری مناطق بهینة پیشنهادی اولیه را تشکیل میدهند که در ادامه، با فن رتبهبندی چندشاخصة ORESTE با معیارهای کیفی حاصل از مشاهدات میدانی اولویتبندی شدند. این فرایند در شهر تهران و بر روی هر 22 منطقة این شهر اجرا شد. | ||
| کلیدواژه‌ها | ||
| سیستم اطلاعات جغرافیایی؛ مراکز مالی و تجاری؛ .RBFLN؛ ORESTE | ||
| عنوان مقاله [English] | ||
| Combining RBFLN Neural Network and ORESTE Multi-Criteria Technique in Identifying Optimal location for Installation of Financial and Commercial Centers in Urban Spaces (Case Study: Tehran) | ||
| نویسندگان [English] | ||
| Qadir Ashournejad1؛ Hassan Ali Faraji Sabokbar2؛ Seyed Kazem Alavi Panah3؛ Mohammad Hassan Nami4 | ||
| 1M.A. in RS & GIS, Faculty of Geography, University of Tehran | ||
| 2Associate Professor in Rural Geography, Faculty of Geography, University of Tehran | ||
| 3Prof. in RS & GIS, Faculty of Geography, University of Tehran | ||
| 4PhD in Political Geography, Science and Research Branch Islamic Azad University, Tehran, Iran | ||
| چکیده [English] | ||
| Financial and commercial centers (i.e. banks and financial and credit institutes) are considered as an important activity of urban spaces and paying attention to their location and installation site is one of the most important parameters in their success and beneficence. In this study, in order to identify the optimal location for installation of financial and commercial centers the RBFLN neural Network which is a transformed model of Radius Based Function neural Network (RBFNN) was used in combine with ORESTE multi-criteria technique. Two and multi-classes data of economic, commercial, educational, cultural, sanitary, therapeutic, recreational, administrative, population, and transition were entered to the neural network as multi-dimensional vectors based on radius of influence. 69 sample branches and 34 un-optimal points were used for network’s learning. The results indicates the two- classes RBFLN network with 800 repetition times with the least learning and classification error as the most appropriate class in identifying the optimal places for installation of financial and commercial centers (Screening Phase). | ||
| کلیدواژه‌ها [English] | ||
| Financial and commercial centers, Geographical Information System (GIS( Neural, network, ORESTE, RBFLN | ||
|
آمار تعداد مشاهده مقاله: 2,551 تعداد دریافت فایل اصل مقاله: 1,368 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب