فرانک سیف الدینی، علی حسینی، علی اصغر احسانی فرد،
دوره 12، شماره 24 - ( 3-1391 )
چکیده
رشد سریع فناوری اطلاعات و ارتباطات و گسترش حوزه های اثر گذاری آن در تمامی شئونات زندگی انسان، تغییر و تحولات شگرفی را در عرصه های مختلف پدید آورده است. با توجه به نقش مهم ICT در جامعه شهری، اصلی ترین هدف این پژوهش شناخت ICT و خصوصیات آن به عنوان عنصری نوین، تشریح تاثیرات ICT بر توسعه و تغییرات برنامه ریزی کاربری اراضی شهری، با تاکید بر حمل و نقل و ترافیک در شهر سمنان می باشد. تحقیق حاضر از نظر هدف آن یک تحقیق کاربردی و روش تحقیقات آن توصیفی - تحلیلی که گردآوری داده ها در آن با استفاده از مطالعات میدانی صورت گرفته و از حیث ارتباط بین متغیرهای تحقیق، از نوع علْی است. نمونه مورد مطالعه 384 نفر از شهروندان شهر سمنان هستند که به روش نمونه گیری خوشه ای چند مرحله ای از نوع طبقه بندی متناسب با حجم و به طور تصادفی ساده انتخاب شدند. نتایج تحقیق بر وجود یک رابطه و الگوی خطی و مستقیم آماری بین تاثیر ICT و ساماندهی فضایی کاربری اراضی شهری و ساماندهی فضایی کاربری اراضی شهری بر کاهش ترافیک حکایت دارد، به گونه ای که تمامی فرضیات تحقیق مبتنی بر تاثیر ICT تائید شدند.
آرش ملکیان، مه رو ده بزرگی، امیر هوشنگ احسانی،
دوره 15، شماره 36 - ( 3-1394 )
چکیده
خشکسالی یکی از مخرب ترین بلایای طبیعی در جوامع بشری محسوب می شود که می تواند تاثیرات جبران ناپذیر کشاورزی، زیست محیطی، اجتماعی و اقتصادی به همراه داشته باشد. بنابراین آگاهی از وقوع خشکسالی می تواند در کاهش خسارات موثر باشد. در این پژوهش، به منظور مدلسازی و شبیه سازی شدت خشکسالی در طول یک دوره آماری 37 ساله (1350- 1386) در 21 ایستگاه بارانسنجی واقع در ناحیه نیمه خشک سرد شمال غربی ایران از شبکه عصبی مصنوعی بهره گرفته شد. داده های ورودی به شبکه شامل میانگین بارش سالیانه و نیز شاخص دهک بارش سالیانه برای تمامی ایستگاه ها بوده که 80% داده ها برای آموزش شبکه (1350-1379) و20% باقیمانده برای تست و اعتبار سنجی شبکه (1380-1386) انتخاب گردید. سپس عمل پیش بینی خشکسالی توسط الگوریتم آموزش دیده شده توسط شبکه عصبی مصنوعی و بدون استفاده از داده های واقعی و مشاهداتی، برای سال های 1387 تا 1391صورت گرفت. معماری مطلوب شبکه به صورت مدل پرسپترون با سه لایه پنهان، الگوی پس انتشار خطا و تابع محرک سیگموئید به همراه 10 نرون در لایه میانی انتخاب گردید. نتایج حاصله نشان داد که شبکه عصبی مصنوعی به خوبی قادر به پیش بینی روابط غیر خطی بارش و خشکسالی بوده بطوریکه با همبستگی بیشتر از 97% و خطای کمتر از 5% مقادیر شاخص دهک بارش را پیش بینی نموده و نتایج حاصل از این پیش بینی بطور زیادی منطبق با مقادیر واقعی می باشد. از این رو با استفاده از این روش می توان وضعیت خشکسالی را در سال های آتی پیش بینی کرده و در مدیریت و بهره وری منابع آب و نیز مدیریت خشکسالی و تغییرات اقلیمی از این روش بهره جست.
