مقاله مطالعه تطبیقی مدل شبکه عصبی مصنوعی (ANN) و مدل عصبی فازی وفقی (ANFIS) در پیش‌بینی تقاضای پروانه ساخت (مطالعه موردی: شهرداری زابل) که چکیده‌ی آن در زیر آورده شده است، در بهار ۱۳۹۳ در پژوهش و برنامه ریزی شهری از صفحه ۳۹ تا ۵۴ منتشر شده است.
نام: مطالعه تطبیقی مدل شبکه عصبی مصنوعی (ANN) و مدل عصبی فازی وفقی (ANFIS) در پیش‌بینی تقاضای پروانه ساخت (مطالعه موردی: شهرداری زابل)
این مقاله دارای ۱۶ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله تقاضای پروانه ساخت
مقاله شبکه عصبی مصنوعی
مقاله ANFIS

نویسنده(ها):
جناب آقای / سرکار خانم: خمر غلامعلی
جناب آقای / سرکار خانم: پاسبان عیسی لو وحید

چکیده و خلاصه‌ای از مقاله:
اطلاع از میزان تقاضای موجود در زمینه صدور پروانه ساخت در هر دوره یکی از مباحث اساسی است که شهرداری ها در راه پاسخگویی به تقاضا کنندگان نیازمند آن هستند. عدم اطلاع در این زمینه سبب ایجاد مشکلاتی مانند اتلاف وقت و انرژی، کاهش کارایی و نارضایتی ارباب رجوع و در نهایت فقدان برنامه ریزی مدون را سبب می شود. با توجه به روند پرنوسان و غیر خطی انگیزه افراد برای ساخت و ساز و در ادامه تهیه مجوز ساخت از شهرداری و متغیرهای موثر بر آن، مدل های غیرخطی و بخصوص شبکه های عصبی (ANN) و سیستم استنتاج عصبی فازی تطبیقی (ANFIS) در این امر توفیق بیشتری داشته اند. به این منظور ترکیبی از اساسی ترین پارامترهای برون بخشی و درون بخشی تاثیر گذار در تصمیم ‌گیری افراد برای ساخت و ساز یعنی جمعیت شهر و نرخ رشد آن، متوسط درآمد و هزینه خانوار شهر (زابل)، تاثیر فصل های مختلف سال در قالب عامل دما، میزان تولید ناخالص داخلی (در سطح کلان)، تورم، و نوسانات مربوط به نرخ ارز (به عنوان پارامترهای برون بخشی) و عواملی مانند زمین و قیمت آن، تراکم و نرخ عوارض ساخت وساز (به عنوان عناصر درون بخشی) در نظر گرفته شده اند. در این بین برای مقایسه توانایی آن ها نسبت به هم از معیارهای ارزیابی کارایی مدل ها مانند (ضریب تعیین), MAD (میانگین قدر مطلق انحرافات) و RMSE (ریشه میانگین مربع خطا) استفاده شده است. در نهایت ANFIS به دلیل اتکا به ترکیب «قدرت یادگیری شبکه عصبی و عملکرد منطقی سیستم های فازی»؛ با مقدار R2 (0.9656، ۰٫۹۸۹۹) RMSE ,(0.0026، ۰٫۰۰۶۴) MAD , (0.0018، ۰٫۰۰۶۱) به ترتیب برای آموزش و آزمون، بر روشبANN برتری نشان داده در نتیجه مدل مناسبتری برای پیش بینی هدف ماست.