سیستم اطلاعات جغرافیایی
حسین اعتمادفرد؛ حامد خرقانی؛ مهدی نجاریان؛ روزبه شاد
چکیده
امروزه مدیریت شبکه‌های توزیع مواد غذایی با هدف پاسخ‌گویی سریع به تقاضای مصرف‌کنندگان، کاهش هزینه توزیع و افزایش سود در مقایسه با رقبای تجاری اهمیت بسیاری یافته است. فروشگاه‌های “شهرما” شبکه گسترده توزیع محصولات کشاورزی در شهر مشهد می‌باشند که با هدف عرضه مستقیم محصولات کشاورزی و فراهم نمودن امکان دسترسی ارزان و سریع‌تر ...
بیشتر
امروزه مدیریت شبکه‌های توزیع مواد غذایی با هدف پاسخ‌گویی سریع به تقاضای مصرف‌کنندگان، کاهش هزینه توزیع و افزایش سود در مقایسه با رقبای تجاری اهمیت بسیاری یافته است. فروشگاه‌های “شهرما” شبکه گسترده توزیع محصولات کشاورزی در شهر مشهد می‌باشند که با هدف عرضه مستقیم محصولات کشاورزی و فراهم نمودن امکان دسترسی ارزان و سریع‌تر شهروندان به میوه و تره‌بار شکل گرفته‌اند. در این مقاله، مسیرهای توزیع بهینه و به موقع محصولات فروشگاه‌هایی با نام تجاری “شهرما” از مبدأ تا میدان میوه و تره‌بار مورد بررسی قرار می‌گیرد. به این منظور از الگوریتم‌های تکاملی ژنتیک و ازدحام ذرات برای بهینه کردن زمان توزیع استفاده شده است. برای توزیع عادلانه و به موقع محصولات میان تمام فروشگاه‌ها یک قید زمانی سه ساعته وارد مسئله شده است. به این معنی که اگر توزیع میان تمام فروشگاه‌ها در زمان کمتر از 3 ساعت صورت نگیرد به تعداد یک وسیله نقلیه توزیع جدید به مسئله اضافه خواهد شد. این افزایش تعداد وسایل نقلیه تا جایی ادامه پیدا خواهد کرد که توزیع میان تمام فروشگاه‌ها کمتر از سه ساعت صورت پذیرد. به منظور تعیین زمان مسیر میان فروشگاه‌ها بر روی شبکه راه‌های شهر مشهد از آنالیز شبکه در نرم‌افزار ArcGIS استفاده شده است. در انتها دو الگوریتم ژنتیک و ازدحام ذرات توانستند توزیع میوه و تره‌بار را با چهار وسیله نقلیه انجام دهند. مقایسه نتایج دو الگوریتم نشان می‌دهد که مجموع زمانی توزیع در الگوریتم ژنتیک در مقایسه با الگوریتم ازدحام ذرات 47 دقیقه کمتر بوده و الگوریتم ژنتیک، مسیرهای بهتری را برای توزیع پیشنهاد داده است.
سعید صادقیان؛ اصغر میلان؛ حامد احمدی مسینه؛ روح اله کریمی
چکیده
در فرایند تهیه نقشه به روش فتوگرامتری استفاده از دادههایGPS/IMU در مثلث بندی موجب افزایش استحکام بلوک فتوگرامتری و کاهش تعداد نقاط کنترل زمینی مورد نیاز برای سرشکنی بلوک گردیده است. خطاهای سیستماتیک داده های مورد استفاده در مثلث بندی، دقت مثلث بندی را کاهش داده، استفاده از نقاط کنترل زمینی را حتی با وجود داده های GPS/IMU ضروری ...
بیشتر
در فرایند تهیه نقشه به روش فتوگرامتری استفاده از دادههایGPS/IMU در مثلث بندی موجب افزایش استحکام بلوک فتوگرامتری و کاهش تعداد نقاط کنترل زمینی مورد نیاز برای سرشکنی بلوک گردیده است. خطاهای سیستماتیک داده های مورد استفاده در مثلث بندی، دقت مثلث بندی را کاهش داده، استفاده از نقاط کنترل زمینی را حتی با وجود داده های GPS/IMU ضروری می سازد. بنابراین با کاهش میزان خطای سیستماتیک بر روی داده ها می توان شاهد افزایش دقت مثلث بندی و کاهش تعداد نقاط کنترل زمینی مورد نیاز برای سرشکنی بلوک و همچنین نوارهای پرواز متقاطع بود.
در این پژوهش نقش پارامترهای سلف کالیبراسیون مانند پارامترهای حذف خطای سیستماتیک داده های GPS/IMUبرای هر نوار و پارامترهای حذف خطای سیستماتیک سنجنده تصویر برداری به منظور افزایش دقت مثلث بندی و کاهش تعداد نقاط کنترل زمینی و کاهش نوارهای پرواز متقاطع مورد نیاز برای سرشکنی بلوک مورد بررسی قرار گرفته است. بدین منظور ابتدا پارامترهای بهینه سلف کالیبراسیون با استفاده از الگوریتم ژنتیک تعیین می گردد، سپس پارامترهای بهینه تعیین شده، در سرشکنی بلوک به روش باندل مورد استفاده قرار می گیرد. به منظور حل مشکل ناپایداری معادلات از روش تخمین مؤلفه واریانس استفاده شده است. این روش قادر است علاوه بر پایدارسازی مسئله، ماتریس وزن بهینه را در هنگام سرشکنی تعیین نماید. در این پژوهش از تصاویر دوربین رقومی UltraCamاستفاده شده است. نتایج بدست آمده نشان می دهد که در صورت استفاده از پارامترهای سلف کالیبراسیون و کاهش میزان خطای داده های مورد استفاده در فرآیند سرشکنی، تعداد نقاط کنترل و تعداد نوارهای پرواز متقاطع برای سرشکنی بلوک کاهش می یابد به گونه ای که بدون استفاده از نقاط کنترل و با استفاده از پارامترهای بهینه سلف کالیبراسیون، بیشترین میزان خطای RMSE بر روی نقاط چک زمینی، 0.143 متر می باشد در حالی که اگر از این پارامترها استفاده نشود در صورت وجود یا عدم وجود نوارهای پرواز متقاطع ماکزیمم خطای RMSE، در حدود یک متر می باشد.
نیکروز مستوفی؛ حسین آقامحمدی زنجیرآباد؛ علیرضا وفایی نژاد؛ مهدی رمضانی؛ امیرهومن حمصی
چکیده
در تحقیقات اخیر، دانشمندان توجه ویژه‌ای به مسئله گرمایش جهانی داشته‌‌اند، زیرا دمای سطح زمین در طول قرن گذشته به طور قابل توجهی افزایش یافته است. جزایر حرارتی شهری[1]به پدیده‌‌ای ناشی از آثار شهرنشینی اشاره دارد که درجه حرارت در محیط شهری از مناطق اطراف آن بالاتر می‌‌رود. بررسی این دما توسط سنسورها دارای مشکلاتی همچون هزینه و گسسته ...
بیشتر
در تحقیقات اخیر، دانشمندان توجه ویژه‌ای به مسئله گرمایش جهانی داشته‌‌اند، زیرا دمای سطح زمین در طول قرن گذشته به طور قابل توجهی افزایش یافته است. جزایر حرارتی شهری[1]به پدیده‌‌ای ناشی از آثار شهرنشینی اشاره دارد که درجه حرارت در محیط شهری از مناطق اطراف آن بالاتر می‌‌رود. بررسی این دما توسط سنسورها دارای مشکلاتی همچون هزینه و گسسته بودن نقاط اندازه‌گیری را دارد. بنابراین تحقیق حاضر تلاش میکند، با تکنیک سنجش از دور مدلی کمی و پیوسته را برای پوشش این مشکلات در شهر تهران ارائه دهد. لذا با استفاده از تصاویر لندست 8 [2]، و دادههای سنجنده مودیس، فاکتور‌هایی تولید و بررسی می‌‌شوند که در تولید جزایر حرارتی شهری مؤثر هستند. به منظور تولید این فاکتورها ابتدا با انجام تصحیحات لازم برروی تصاویر مورد نیاز، تعداد چهارده شاخص انتخاب و در سه سناریو مختلف محاسباتی شامل روش رگرسیون خطی، رگرسیون بردار پشتیبان و با استفاده از الگوریتم ژنتیک بکارگرفته شد. به منظور مدلسازی رویکردهای بیان شده، مجموعاً 2400 نقطه دارای دما به عنوان داده میدانی از منطقه مورد مطالعه (شهر تهران) جمع‌‌آوری شده است. برای ارزیابی کارایی سناریو‌های مورد استفاده، 30% دادهها (جمعاً 720 نقطه) به صورت اتفاقی انتخاب شده و بعنوان دادههای آموزشی در نظر گرفته و مابقی 70% دادهها (جمعاً 1680 نقطه) به عنوان دادههای تست مورد ارزیابی قرار گرفت.براساس نتایج بدست آمده، ترکیب مدل رگرسیون بردار پشتیبان و الگوریتم ژنتیک بهترین تطابق را (میانگین خطای مربعی 9324/0، نرمال شده میانگین خطای مربعی2695/0 و ضریب همبستگی 9315/0) با دادههای زمینی مورد استفاده دارند. [1]- Urban Heat Islands [2]- Landsat 8
مهرداد کاوه؛ محمدسعدی مسگری
چکیده
وجود مراکز بهداشتی و بیمارستان‌ها در تمام جوامع ضروری است و مکانیابی و تخصیص جمعیت به آنها یک مسئله بهینه‌سازی مهم در برنامه‌ریزی شهری می‌باشد. هدف از این پژوهش، مقایسه و ارزیابی عملکرد الگوریتم ژنتیک و الگوریتم بهینه‌سازی ازدحام ذرات ترکیبی برای تعیین مکان بهینه مراکز بیمارستان و تخصیص نقاط جمعیتی به آنها می‌باشد. به ...
بیشتر
وجود مراکز بهداشتی و بیمارستان‌ها در تمام جوامع ضروری است و مکانیابی و تخصیص جمعیت به آنها یک مسئله بهینه‌سازی مهم در برنامه‌ریزی شهری می‌باشد. هدف از این پژوهش، مقایسه و ارزیابی عملکرد الگوریتم ژنتیک و الگوریتم بهینه‌سازی ازدحام ذرات ترکیبی برای تعیین مکان بهینه مراکز بیمارستان و تخصیص نقاط جمعیتی به آنها می‌باشد. به منظور محدود کردن فضای جستجو، از قابلیت‌های تجزیه‌وتحلیل سیستم اطلاعات جغرافیایی (GIS) به همراه تحلیل سلسله مراتبیبرای انتخاب سایت‌های نامزد استفاده شده است. سپس الگوریتم‌های نام برده برای تعیین شش مکان بهینه و تخصیص بلوک‌های نظیر به آنها پیاده‌سازی شده‌اند. در این تحقیق هدف به حداقل رساندن مجموع تمام فاصله‌های بین مراکز بیمارستانی و بلوک‌های جمعیتی می‌باشد که برای این منظور از توسعه الگوریتم بهینه‌سازی ازدحام ذرات با تعریف جستجوی همسایگی برای ذره نخبه، استفاده شده است. برای کالیبره کردن پارامترهای هر یک از الگوریتم‌ها، مجموعه‌ای از دادههای شبیه‌سازی منظم به‌کار رفته است. با در دست داشتن مقادیر مناسب برای پارامترها، الگوریتم‌ها بر روی دادههای واقعی از منطقه مطالعاتی مورد آزمایش قرار گرفتند. نتایج نشان داده است که الگوریتم بهینه‌سازی ازدحام ذرات ترکیبی دارای عملکرد بهتری نسبت به الگوریتم ژنتیک می‌باشد. روند همگرایی الگوریتمازدحام ذرات ترکیبی، سریع‌تر از الگوریتم ژنتیک می‌باشد. هر دو الگوریتم سطوح بالایی از تکرارپذیری را نشان داده‌اند؛ اما الگوریتم بهینه‌سازی ازدحام ذرات ترکیبی دارای ثبات بیشتری است. همچنین برای هر دو نوع داده شبیه‌سازی و واقعی، الگوریتم بهینه‌سازی ازدحام ذرات ترکیبی سریع‌تر از الگوریتم ژنتیک عمل میکند. سادگی و تکرارپذیری الگوریتم‌ها از عوامل مهمی می‌باشند که ازنقطه‌نظر کاربر بسیار مهم است. بنابراین با توجه به این معیارها، بهینه‌سازی ازدحام ذرات ترکیبی مطلوب‌تر از ژنتیک بوده است.
علیرضا ارفته؛ طاهر رضا محمد؛ علی حسینقلی زاده؛ احسان حقوقی فرد
چکیده
امروزه با گسترش مناطق شهری تولید اطلاعات دقیق و به روز از جمله اطلاعات اساسی، به منظور مدیریت و برنامه‌ریزی شهرها است. گسترش روز افزون تکنولوژی سنجش از دور امکان استخراج اطلاعات متنوع از پوشش‌های شهری را فراهم آورده که موجب جلب توجه محقق‌های فراوانی به این موضوع شده است. وجود عوارض متنوع و نیز کاربری‌های مختلف اطلاعات مکانی مناطق ...
بیشتر
امروزه با گسترش مناطق شهری تولید اطلاعات دقیق و به روز از جمله اطلاعات اساسی، به منظور مدیریت و برنامه‌ریزی شهرها است. گسترش روز افزون تکنولوژی سنجش از دور امکان استخراج اطلاعات متنوع از پوشش‌های شهری را فراهم آورده که موجب جلب توجه محقق‌های فراوانی به این موضوع شده است. وجود عوارض متنوع و نیز کاربری‌های مختلف اطلاعات مکانی مناطق شهری، تلفیق منابع داده مختلف به منظور شناسایی عوارض را به امری کاربردی مبدل کرده است. هدف این تحقیق تلفیق ویژگی‌های بهینه استخراج شده از دادههای اپتیک و لایدار به منظور شناسایی عوارض شهری در منطقه مورد مطالعه می‌باشد. در این راستا ویژگی‌های مختلفی از هر یک از این دادهها استخراج شده است. از جمله این ویژگی‌ها می‌توان به ویژگی‌های رنگی، شاخص گیاهی و بافت از تصویر اپتیک و ویژگی‌های نرمی، مدل ارتفاعی رقومی نرمال و زبری از تصویر لیدار اشاره نمود. سپس به منظور انتخاب ویژگی‌های بهینه از الگوریتم ژنتیک استفاده شده است. در انتها با استفاده از روش طبقه‌بندی کننده ماشین‌بردار پشتیبان به شناسایی عوارض مورد نظر پرداخته شده است. دقت طبقه‌بندی کننده الگوریتم ماشین بردار پشتیبان در منطقه مورد مطالعه با استفاده از ویژگی‌های بهینه و دادههای اولیه 734/88 محاسبه شده که نسبت به طبقه‌بندی داده اولیه اپتیک چندباندی دارای بهبود 438/25 درصدی و نسبت به طبقه‌بندی داده اولیه لایدار دارای بهبود 236/18 درصدی است. نتایج بررسی نشان دهنده افزایش دقت طبقه‌بندی با استفاده از ویژگی‌های بهینه در کنار باندهای اولیه است.
مصطفی خیراللهی؛ سعید نادی؛ نجمه نیسانی سامانی
چکیده
خودروهای اورژانس شهری با توجه به حساسیت مأموریت خود، همواره برای رسیدن به مقصد به دنبال کمترین زمان ممکن هستند. با توجه به پیچیدگی و گستردگی حمل و نقل و ترافیک در شهرهای بزرگ، عوامل و پارامترهای متعددی علاوه بر مسافت، در زمان رسیدن یک خودروی اورژانس به مقصد تأثیرگذار هستند که این پارامترها می‌توانند کیفی یا کمی و پویا یا ایستا باشند. ...
بیشتر
خودروهای اورژانس شهری با توجه به حساسیت مأموریت خود، همواره برای رسیدن به مقصد به دنبال کمترین زمان ممکن هستند. با توجه به پیچیدگی و گستردگی حمل و نقل و ترافیک در شهرهای بزرگ، عوامل و پارامترهای متعددی علاوه بر مسافت، در زمان رسیدن یک خودروی اورژانس به مقصد تأثیرگذار هستند که این پارامترها می‌توانند کیفی یا کمی و پویا یا ایستا باشند. در این مقاله روشی نوین بر مبنای ترکیب مدل‌های تلفیق، روش کمی‌سازی گاما، استفاده از روابط پیش‌بینی زمان سفر و الگوریتم‌های فراابتکاری به منظور دستیابی به بهینه‌ترین مسیر ارائه شده است. در این مقاله ابتدا کلیه‌ی فاکتورهای تأثیرگذار کمی و کیفی قابل محاسبه و دسترسی از دید مسیریابی اورژانس شناسایی شده، سپس با تبدیل پارامترهای کیفی به کمی، هر پارامتر با روش محاسبه‌ی حداکثر نرمال شده و بر اساس ارجحیت و میزان تأثیر هر پارامتر در یافتن مسیر بهینه تلفیق می‌گردند. روش تست گاما به عنوان یک روش برگرفته از داده برای محاسبه‌ی میزان ارجحیت و تأثیرگذاری فاکتورها استفاده شد. روند مذکور با استفاده از داده‌ی شبکه معابر و حجم ترافیک دو منطقه از شهر تهران پیاده‌سازی شد. وزن در نظر گرفته شده برای هر زیرمعیار تشکیل دهنده‌ی درجه سختی مسیر یعنی «کیفیت مسیر»، «عرض»، «شیب»، «نوع مسیر» و «میزان مستقیم بودن مسیر» بر اساس این روش به ترتیب 331/0، 286/0، 188/0، 172/0 و 020/0 بدست آمدند. در نهایت از الگوریتم فراابتکاری ژنتیک برای انتخاب مسیر بهینه وسایل نقلیه اورژانس استفاده شد و نتایج آن با الگوریتم معمول مسیریابی دیکسترا مقایسه شد. بر مبنای مقایسه‌ی انجام شده روش ارائه شده در این مقاله نسبت به روش‌های ساده‌ی فعلی برتری قابل ملاحظه‌ای داشت.
وحید صادقی؛ حمید عنایتی؛ حمید عبادی
چکیده
آنالیز تصاویر چندزمانه سنجش‌از دور، تکنیک کارآمدی برای شناسایی تغییرات کاربری و پوشش اراضی در مناطق شهری می‌باشد. جدا از تکنیک بکار رفته برای شناسایی تغییرات،فضای ویژگی تأثیر بسیار زیادی در صحت نتایج دارد. حصول نتایج رضایت‌بخش در شناسایی تغییرات مناطق شهری، مستلزم بکارگیری ویژگی های طیفی و مکانی (بافت) بهینه می باشد. اگرچه ...
بیشتر
آنالیز تصاویر چندزمانه سنجش‌از دور، تکنیک کارآمدی برای شناسایی تغییرات کاربری و پوشش اراضی در مناطق شهری می‌باشد. جدا از تکنیک بکار رفته برای شناسایی تغییرات،فضای ویژگی تأثیر بسیار زیادی در صحت نتایج دارد. حصول نتایج رضایت‌بخش در شناسایی تغییرات مناطق شهری، مستلزم بکارگیری ویژگی های طیفی و مکانی (بافت) بهینه می باشد. اگرچه جستجوی سراسری تنها تضمین دستیابی به مجموعه ویژگی‌های بهینه است، ولی در عمل فرآیندی بسیار زمانبر و غیرعملی است. در تکنیک‌های کاهش‌بعد همچون تکنیکPCA تنها استقلال آماری دادهها برای رسیدن به مؤلفه‌هایی جدید با وابستگی کمتر مدنظر بوده و بهبود صحت شناسایی تغییرات بطور مستقیم دنبال نمی‌شود. تعیین حدآستانه مناسب برای انتخاب ویژگی‌های بهینه در تکنیک تفکیک‌پذیری‌آماری (SAA) با فاصله JM نیز عملاً از کارایی این تکنیک می‌کاهد. تمرکز اصلی مقاله حاضر، انتخاب ویژگی‌های طیفی و بافت بهینه با الگوریتم ژنتیک و طبقه‌بندی‌کننده بیزین می‌باشد. جهت بررسی کارآیی تکنیک پیشنهادی، تغییرات شهر جدید سهند (شمال‌غرب ایران) با بکارگیری تصاویر سنجنده‌های IRS-P6 و Geo-Eye1اخذ شده در 14 جولای 2006 و 1 سپتامبر 2013 مورد بررسی قرار گرفت.تمامی تکنیک‌های مذکور در محیط برنامه‌نویسی MATLABR2013aپیاده‌سازی شدند.نتایج حاصل از این تحقیق نشان داد ویژگی‌های بافت می‌تواند به عنوان منبع اطلاعاتی مکمل، سبب بهبود نتایج شناسایی تغییرات در مناطق شهری شود. انتخاب ویژگی یک فرآیند تأثیرگذار در شناسایی تغییرات مبتنی بر ویژگی‌های طیفی و بافت می‌باشد. هریک از تکنیک‌های انتخاب ویژگی، محدودیت‌ها و مزایای خاص خودشان را داشته ولی در کل بهبود صحت شناسایی تغییرات را بدنبال دارند. مقایسه کارآیی تکنیک‌های انتخاب ویژگی نشان داد، تکنیک پیشنهادی در مقایسه با دو تکنیک متداولPCA و SAA (که نتایج مشابهی داشتند) از کارآیی و صحت بالاتری برخوردار است.با بکارگیری روش پیشنهادی، ضریب کاپا و صحت کلی نقشه تغییرات به ترتیب از 66/53% به 49/88% و از 94/58% به 39/90%،(در مقایسه با بکارگیری باندهای اصلی تصاویر)،افزایش یافت.
هادی باباپور؛ مهدی مختارزاده؛ محمد جواد ولدان زوج؛ مهدی مدیری
چکیده
اهمیت وجایگاه اطلاعات مکان مرجع درکلیه امورعمرانی و تحقیقاتی برکسی پوشیده نیست. ازمیان روش‌های تهیه وتولید اطلاعات مکانی،روش فتوگرامتری بواسطه سرعت،صرفه اقتصادی وازهمه مهم‌تر،عدم نیاز به حضورمستقیم عوامل انسان ی در محل،از جایگاه منحصربه فردی برخوردار می‌باشد. درروش فتوگرامتری،دوربین‌های مستقربرسکوهای هوایی،بعنوانا بزاراصلی ...
بیشتر
اهمیت وجایگاه اطلاعات مکان مرجع درکلیه امورعمرانی و تحقیقاتی برکسی پوشیده نیست. ازمیان روش‌های تهیه وتولید اطلاعات مکانی،روش فتوگرامتری بواسطه سرعت،صرفه اقتصادی وازهمه مهم‌تر،عدم نیاز به حضورمستقیم عوامل انسان ی در محل،از جایگاه منحصربه فردی برخوردار می‌باشد. درروش فتوگرامتری،دوربین‌های مستقربرسکوهای هوایی،بعنوانا بزاراصلی تأمین دادههای ورودی واولین حلقه عملیاتی نقشی کلیدی در میزان موفقیت و دستاوردهای سایرمراحل ایفا می‌کنند. امروزه پیشرفت تکنولوژیک منجر به ارائه دوربین‌های رقومی با کیفیت بسیار بالایی شده است که این دوربین‌ها نویدبخش تهیه اطلاعات مکانی مورد نیازبه روش فتوگرامتری بادقت،سرعت وبهره‌وری بالا می‌باشند. با توجه به ظهور دوربین‌های رقومی جدید وتنوع در ساخت وتکنولوژی بکار رفته در این نوع ازدوربین‌ها ضرورت کالیبراسیون آنها به عنوان یک نیازاولیه شناخته می‌شود. باتوجه به هزینه‌های بالاو مشکلات اجرایی درانجام کالیبراسیون آزمایشگاهی،استفاده ازمعادلات خودکالیبراسیون به عنوان یکی از راه‌حل‌های مفید دراین زمینه شناخته می‌شود. برای این منظور درمقاله حاضر،استفاده ازمعادلات فوریه باترم‌های بهینه حاصل ازالگوریتم ژنتیک پیشنهاد شده وبررویداده‌های شبیه‌سازی شده موردارزیابی ومقایسهب امدل‌های پیشین قرارگرفته است. براساس نتایج حاصل،این مدل قادراست تا اعوجاجات چندگانه رابا حداقل وابستگی مدلسازی نماید. دقت ارائه شده برای مدلسازی اعوجاجات چندگانه در تصاویر شبیه سازی شده دوربین رقومیUltra Camدرمقایسه با سایر پارامترهایا ضافه بهبود دردقت مدلسازی درحدود 30 درصد وباکمترین وابستگی را نشان می‌دهد.
حمیدرضا رنجبر؛ علیرضا آزموده اردلان؛ حمید دهقانی؛ محمدرضا سراجیان؛ علی علیدوستی
چکیده
زمین لرزه‌ها از بلایای ویرانگر طبیعی تهدید کننده بشر می‌باشند. از جمله مشکلات بعد از وقوع یک زمین لرزه می‌توان به موضوع ارزیابی خسارت اشاره کرد. ناحیه، میزان، نرخ و نوع آسیب، اطلاعات ارزشمندی را به منظور فعالیت‌های بشردوستانه، امداد و بازسازی در منطقه آسیب دیده در اختیار قرار می‌دهد. عوامل اصلی تعیین کننده هزینه کلی یک بحران، هم ...
بیشتر
زمین لرزه‌ها از بلایای ویرانگر طبیعی تهدید کننده بشر می‌باشند. از جمله مشکلات بعد از وقوع یک زمین لرزه می‌توان به موضوع ارزیابی خسارت اشاره کرد. ناحیه، میزان، نرخ و نوع آسیب، اطلاعات ارزشمندی را به منظور فعالیت‌های بشردوستانه، امداد و بازسازی در منطقه آسیب دیده در اختیار قرار می‌دهد. عوامل اصلی تعیین کننده هزینه کلی یک بحران، هم به لحاظ آسیب‌های اقتصادی و هم به لحاظ تلفات جانی، روشن شدن این مسئله است که با چه سرعتی رویداد مورد پاسخ قرار گرفته و با چه کیفیتی اقدامات واکنشی سازماندهی می‌گردد. تکنیک‌های سنجش از دور بدلیل دارا بودن قابلیت‌هایی از جمله واکنش سریع، عدم تماس فیزیکی، هزینه پایین و دید وسیع، نقش ارزشمندی را در استخراج اطلاعات فیزیکی ساختمان‌ها دارا می‌باشند. امروزه بدلیل دسترسی به انواع دادههای سنجش از دور، روش‌های متعددی برای ارزیابی خسارت ساختمان‌ها طراحی و گزارش شده است. هدف از این تحقیق، مروری بر این روش‌ها بر مبنای بکارگیری تصاویر نوری در سه دسته: رویکرد تصاویر تک زمانه، چند زمانه و تلفیق دادههای بُرداری و تصاویر و همچنین ارائه و پیاده‌سازی یک روش خودکار به منظور تعیین ساختمان‌های تخریب شده ناشی از زلزله با استفاده از تصاویر ماهواره‌ای با قدرت تفکیک بالا و لایه‌های GIS می‌باشد. در روش پیشنهادی، پس از استخراج توصیفگرهای بافتی از تصاویر قبل و بعد از زلزله برای هر ساختمان و تعیین توصیفگرهای بهینه، یک سیستم استنتاج فازی عصبی برای تعیین وضعیت ساختمان‌ها در چهار کلاس «سالم تا تخریب ناچیز»، «تخریب متوسط»، «تخریب سنگین» و «ویران» طراحی شد. نتایج نشان می‌دهد که این سیستم، صحت کلی 89%در دسته بندی ساختمان‌ها به 4 کلاس تخریب را دارا می‌باشد.
پرویز ضیائیان فیروزآبادی؛ علیرضا متکان؛ وحید بابازاده
دوره 19، شماره 73 ، اردیبهشت 1389، ، صفحه 86-93
چکیده
در این تحقیق روشى جهت استخراج قوانین فازى مؤثر و قابل تفسیر از داده هاى GIS با استفاده از سیستم عصبى - فازى ارائه شده است. مدل فازى جهت رسیدن به دقت و تفسیرپذیرى بالا از سه مرحله عبور کرده است. در مرحله اول وزن هاى اولیه شبکه عصبى - فازى با استفاده از الگوریتم خوشه بندى FCM به دست آمد. به منظور طبقه بندى دقیق داده هاى آموزشى در ...
بیشتر
در این تحقیق روشى جهت استخراج قوانین فازى مؤثر و قابل تفسیر از داده هاى GIS با استفاده از سیستم عصبى - فازى ارائه شده است. مدل فازى جهت رسیدن به دقت و تفسیرپذیرى بالا از سه مرحله عبور کرده است. در مرحله اول وزن هاى اولیه شبکه عصبى - فازى با استفاده از الگوریتم خوشه بندى FCM به دست آمد. به منظور طبقه بندى دقیق داده هاى آموزشى در مرحله دوم از یک سیستم عصبى- فازى CANFIS استفاده گردید و بدلیل از دست رفتن قابلیت تفسیرپذیرى مدل فازى از الگوریتم هاى ژنتیک جهت غلبه بر این محدودیت استفاده گردید. روش ارائه شده بر روى داده هاى مناطق 5 و 11 شهر تهران جهت تشخیص بافت هاى فرسوده مورد آزمایش قرار گرفته است. مسئله مورد بررسى از نوع طبقه بندى بوده و هدف تعیین درجات عضویت بافت ها به هریک از طبقات مى باشد. فرسودگى بافت ها در 4 طبقه شامل فرسودگى کم، متوسط، زیاد و بسیار زیاد مورد بررسى قرار گرفته است. تعداد 300 نمونه آموزشى مورد استفاده قرار گرفت که پس از آموزش شبکه تمام داده هاى آموزشى به صورت صحیح و با RMS=0.0045 طبقه بندى گردید. نتایج به دست آمده حاکى از آن است که روش ارائه شده در این تحقیق قابلیت تعمیم به مسائلى که در آن دانش کافى از سیستم هدف در دسترس نمى باشد را داراست و از دقت و تفسیرپذیرى بالایى برخوردار است.
مهدی مدیری
دوره 17، شماره 68 ، بهمن 1387، ، صفحه 2-8
چکیده
به منظور تجزیه و تحلیل فضایى خوشه بندى، از اصول و مشخصه هاى الگوریتم هاى ژنتیکى استفاده مى شود. مقاله حاضر روش جدید تجزیه و تحلیل فضایى خوشه بندى براساس الگوریتم ژنتیکى را ارائه مى نماید. نتایج تجربیات علمى و عملى نشان مى دهد این روش مى تواند مشخصه کلى توزیع را حفظ کرده و نتیجه مناسبى را اخذ نماید.
بیشتر
به منظور تجزیه و تحلیل فضایى خوشه بندى، از اصول و مشخصه هاى الگوریتم هاى ژنتیکى استفاده مى شود. مقاله حاضر روش جدید تجزیه و تحلیل فضایى خوشه بندى براساس الگوریتم ژنتیکى را ارائه مى نماید. نتایج تجربیات علمى و عملى نشان مى دهد این روش مى تواند مشخصه کلى توزیع را حفظ کرده و نتیجه مناسبى را اخذ نماید.
