عنوان پایان‌نامه

مدلسازی ارزیابی توان اکولوژیک توسعه شهری با استفاده از روش های MCDM فازی در محیط GIS ( مطالعه موردی : شیراز )



    دانشجو در تاریخ ۲۹ شهریور ۱۳۹۱ ، به راهنمایی ، پایان نامه با عنوان "مدلسازی ارزیابی توان اکولوژیک توسعه شهری با استفاده از روش های MCDM فازی در محیط GIS ( مطالعه موردی : شیراز )" را دفاع نموده است.


    محل دفاع
    کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 56001;کتابخانه دانشکده جغرافیا شماره ثبت: 1705
    تاریخ دفاع
    ۲۹ شهریور ۱۳۹۱

    در دنیای امروز زمین از اهمیت زیادی برخوردار است. بنابراین تخصیص عاقلانه زمین به این فعالیت‌ها از جمله مباحث برنامه ریزی است. تعیین مقدار دقیق توان هر عرصه از سرزمین برای کاربری‌های مختلف غیر عملی است. با به کارگیری منطق فازی به عنوان منطق مدل‌سازی ریاضی فرایندهای غیردقیق و مبهم، می‌توان بستری را برای مدل سازی عدم اطمینان مطرح در تعیین توان اکولوژیکی فراهم ساخت. در این تحقیق بعد از مشخص کردن پارامترهای اکولوژیکی موثر(شامل دبی آب، شیب و غیره) برای تهیه نقشه از این پارامترها از سیستم اطلاعات جغرافیایی(GIS) استفاده گردید. برای وزن‌دهی هر یک از پارامترها از مدل AHP استفاده شد. جهت مدل‌سازی، از سه الگوریتم خوشه بندی فازی، گامای فازی و استنتاج فازی استفاده شد. در هر سه الگوریتم ابتدا پارامترها نرمال شدند. درالگوریتم خوشه بندی فازی برای فازی‌سازی طبقات از معیار فاصله استفاده شد. در ابتدا مرکز هر خوشه برای هر پارامتر مشخص گردید و فاصله آن از مرکز خوشه اندازه‌گیری شد و در فرمول تعیین درجه عضویت گذاشته و درجه عضویت هر طبقه مربوط به هر پیکسل اندازه‌گیری شد. در الگوریتم استنتاج فازی، قانون اگر آنگاه مربوط به پارامترها در طبقات مختلف پارامترها تعیین، برای هر پارامتر درجه عضویت آن مشخص و با استفاده از فازی‌سازی ممدانی و روش مرکز ثقل، فازی‌سازی و قطعی‌سازی انجام گردید. در الگوریتم گامای فازی، از تابع عضویت Small و Large استفاده و سپس عملگر گامای فازی که ترکیبی از ضرب و جمع فازی است بر روی داده‌ها پیاده سازی شد.نتایج الگوریتم‌ها توسط نظرات کارشناسی ارزیابی شد، که به ترتیب دقت مدل استنتاج فازی با یک درصد خطا، گامای فازی با سه درصد خطا و خوشه بندی فازی با پنچ درصد خطا مشخص گردید، که این نتایج حاکی از کارایی این مدل‌ها در تعیین تناسب کاربری اراضی جهت توسعه شهری است. واژه‌های کلیدی:مدل‌سازی، ارزیابی توان اکولوژیک، توسعه شهری، منطق فازی، سیستم اطلاعات جغرافیایی،سیستم های تصمیم گیری چندمعیاره
    Abstract
    Abstract Land is very important in today's world, reasonable and justified employing of these territories has become an important issue in management sectors. Hence determining the exact land suitability based on specific application is fairly impossible. Applying Fuzzy logic as a mathematical model for inaccurate and indistinct processes would expand the framework in modeling of uncertain effect of ecological land evaluation. In this thesis after verifying important ecological parameters such as water flow, slope and etc; these factors were employed to create a map by geographical information system (GIS) plus for assigning each parameters a weight, APH method was applied.For modeling the system, three algorithms including Fuzzy clustering, Gamma Fuzzy and Fuzzy inference system was used. Inall algorithms parameters were normalized. For Fuzzy clustering, distance criterion was applied in Fuzzy Optimization of each layer, then center of each cluster was determined and distance from that center was evaluated and degree of membership of each layer in relation to every pixel was computed. In Fuzzy inference system the If-then rule for parameters in each layer was set and degree of membership was calculated and Mamdani Fuzzy optimizationin combination of center of gravity method; optimization and defuzzufication were performed. For the third algorithm large and small membership function were used then Gamma Fuzzy operator which is arrangement of add and multiplying factors was implemented on data. Results out of those algorithms were analyzed by experts in this field resulting in accuracy of Fuzzy inference system, Gamma Fuzzy and Fuzzy clustering were 1%, 3% and 5% in error respectively so it is verified that these models are applicable for determination of relative lands potential for urban development. Keywords:Modeling, Land suitability evaluation, Urban development, Fuzzy logic, Geographical information system, Multi criteria decision making