کاربرد الگوریتم KNN در بهینه سازی کاربری اراضی شهری با تاکید بر خطر زلزله نمونه موردی: شهر سنندج
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 24
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JGSKH-25-76_007
تاریخ نمایه سازی: 30 اردیبهشت 1403
چکیده مقاله:
وقوع زلزله و تلفات و آسیب های ناشی از آن همواره به عنوان تهدیدی جدی برای شهر، ساکنان شهرها و دارایی های آنان، برنامه ریزان و مدیران شهری را بر آن داشته، تا با ارایه راه حل های منطقی و علمی به ایمن سازی شهرها مبادرت ورزند. ایمن سازی شهر در مقابل زلزله فقط با ایجاد سازه های مستحکم عملی نخواهد شد و باید با بهینه سازی کاربری اراضی شهری در مسیر کاهش آسیب پذیری شهری گام برداشت. هدف از این پژوهش تعیین پهنه های بهینه شهری به منظور توسعه شهر با هدف کاهش آسیب پذیری شهر سنندج می باشد. بدین منظور از روش KNN به عنوان یک مدل با دقت نسبتا بالا جهت ارزیابی کاربری اراضی بهینه شهر سنندج با تاکید بر خطر زلزله استفاده شده است. آنچه از خروجی مدل به دست آمده نشان می دهد که حدود ۳۲ درصد از مساحت شهر در وضعیت بهینه قرار گرفته و منطقه ۲ با ۴۲.۷۸ درصد معادل ۴۰۶ هکتار و منطقه ۴ با ۵۰.۸۵ درصد معادل ۶۵۸ هکتار شرایط بهینه ای را برای توسعه شهر در راستای کاهش آسیب پذیری شهری و افزایش بهینگی کاربری های شهری ارایه می دهند. وضعیت کلی شهر از لحاظ بهینگی مناسب نبوده و محلات واقع در مناطق ۱ و ۲ با توجه به تراکم بالای جمعیتی و مسکونی، نفوذپذیری بسیار پایین و سازگاری پایین کاربری ها، در وضعیت نامناسب و بسیار نامناسب قرار دارند. در ارزیابی مدل، مقدار سطح زیر منحنی عدد ۰.۹۵۱ به دست آمده، که حاکی از عملکرد بسیار مطلوب مدل در بررسی موضوع است.
کلیدواژه ها:
Urban Land Use Optimization ، Earthquake ، KNN Algorithm ، Urban Vulnerability ، Sanandaj ، کلید واژگان: بهینه سازی کاربری اراضی شهری ، زلزله ، الگوریتم KNN ، آسیب پذیری شهری ، سنندج
نویسندگان
شهریور روستایی
university of tabriz
رحیم حیدری چیانه
university of tabriz
ایوب ذوقی
university of tabriz
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :