پیوندهای مفید
آمار
| تعداد نشریات | 26 |
| تعداد شماره‌ها | 395 |
| تعداد مقالات | 3,459 |
| تعداد مشاهده مقاله | 5,355,494 |
| تعداد دریافت فایل اصل مقاله | 3,664,673 |
مروری سیستماتیک بر تحلیل جهات توسعه شهری با استفاده از الگوریتم یادگیری ماشین | ||
| جغرافیا و توسعه فضایی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 28 اردیبهشت 1404 | ||
| نوع مقاله: مروری | ||
| شناسه دیجیتال (DOI): 10.22098/gsd.2025.16837.1081 | ||
| نویسندگان | ||
| محسن رفیعیان* 1؛ محمد رضا نقصان محمدی1؛ خلیل الرحمن حیدری2 | ||
| 1گروه شهرسازی دانشکده هنر و معماری دانشگاه یزد | ||
| 2دانشجو شهرسازی دانشگاه یزد | ||
| چکیده | ||
| توسعه شهری یکی از پویاترین فرایندهای اجتماعی، اقتصادی و زیست‌محیطی است که تأثیرات گسترده‌ای بر جوامع انسانی و محیط‌زیست دارد. بررسی و تحلیل جهات توسعه شهری، به‌ویژه در مناطقی که با رشد سریع شهری و تغییرات جمعیتی مواجه هستند، برای مدیریت کارآمد منابع و برنامه‌ریزی پایدار اهمیت بسیاری دارد. در این راستا، ابزارها و تکنیک‌های نوین مانند الگوریتم‌های یادگیری ماشین، فرصت‌های بی‌نظیری برای شناسایی الگوها و پیش‌بینی روندهای توسعه فراهم کرده‌اند. الگوریتم‌های یادگیری ماشین به‌عنوان شاخه‌ای از هوش مصنوعی، توانایی تحلیل حجم گسترده‌ای از داده‌ها و استخراج روابط پیچیده میان متغیرها را دارند. روش‌های یادگیری ماشین مانند شبکه‌های عصبی مصنوعی، ماشین‌های بردار پشتیبان و جنگل‌های تصادفی می‌توانند در شناسایی روندهای توسعه شهری و پیش‌بینی تغییرات کاربری زمین نقش مهمی ایفا کنند. با جستجو در پایگاه‌های اطلاعاتی مانند Google Scholar و Scopus در بازه زمانی ۲۰۰۶ تا ۲۰۲۴، به نتایج متنوعی دست یافتیم. از میان مقالات بررسی‌شده، ۸۳ مقاله انتخاب و تحلیل شدند. برای تجزیه‌وتحلیل داده‌ها از نرم‌افزار MAXQDA استفاده شد که امکان شناسایی و طبقه‌بندی مفاهیم کلیدی را فراهم کرد. یافته‌ها نشان داد که تلفیق الگوریتم‌های یادگیری ماشین با سیستم‌های اطلاعات جغرافیایی (GIS) و تصاویر ماهواره‌ای، دقت مدل‌سازی توسعه شهری را بهبود بخشیده است. در این مقاله، مروری سیستماتیک بر پژوهش‌های انجام‌شده در زمینه شناسایی رویکردهای به‌کاررفته، ابزارها و تکنیک‌های مورداستفاده و استفاده از یادگیری ماشین برای پیش‌بینی توسعه شهری بررسی شده و چشم‌اندازی جامع از پیشرفت‌های این حوزه ارائه می‌شود. | ||
| کلیدواژه‌ها | ||
| مرور سیستماتیک؛ توسعه شهری؛ الگوریتم‌های یادگیری ماشین؛ رویکرد توسعه؛ داده‌های مکانی | ||
|
آمار تعداد مشاهده مقاله: 37 |
||