Volume 25, Issue 76 (3-2025)                   jgs 2025, 25(76): 126-143 | Back to browse issues page


XML Persian Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

rostaei S, heydari chyaneh R, zoghi A. The Application of KNN Algorithm in Optimizing Urban Land Use with an Emphasis on Earthquake Risk, Case study: Sanandaj City. jgs 2025; 25 (76) :126-143
URL: http://jgs.khu.ac.ir/article-1-3959-en.html
1- university of tabriz
2- university of tabriz , ayoubzoghi.saghez@gmail.com
Abstract:   (4092 Views)
The occurrence of earthquakes and the losses and damages caused by it have always imposed a serious threat to the city, residents and assets, so that it has made planners and city managers to provide logical and scientific solutions to make cities safer. Securing cities against earthquakes will not be achieved only by creating strong structures, and we must take steps to reduce urban vulnerability through optimizing urban land use. The purpose of this study is to determine the optimal urban areas for the development of the city with the aim of reducing the vulnerability of Sanandaj. For this purpose, KNN method has been used as a model with relatively high accuracy to evaluate the optimal land use of Sanandaj city with an emphasis on earthquake risk. The obtained model output shows that about 32% of the city area is in optimal condition and district 2 with 42.78% equivalent to 406 hectares and district 4 with 50.85% equivalent to 658 hectares provide an optimal condition for the development of the city, towards reducing urban vulnerability and increasing urban land use optimization. The general condition of the city is not suitable in terms of optimality and the neighborhoods located in districts 1 and 2 are in a very inappropriate condition due to high population and residential density, very poor permeability and low adaptation of land uses. In evaluating the model, the value of the area below the curve is 0.951, which indicates the desirable performance of the model in examining the subject. 
Full-Text [PDF 1417 kb]   (148 Downloads)    
Type of Study: Applicable | Subject: Geography and Urban Planning

References
1. ابراهیمی، مجید؛ سلمانی مقدم، محمد، امیر احمدی، ابوالقاسم و نوری، مریم. (1394). ارزیابی آسیب‌پذیری لرزه‌ای شهر بردسکن در برابر زلزله با استفاده از مدل سلسله مراتبی وارون (IHPW)، مجله مخاطرات محیط طبیعی، سال 4 دوره 6، 105-137.
2. احدنژاد روشتی، محسن؛ قرخلو، مهدی و زیاری، کرامت الله. (1389). مدل‌سازی آسیب‌پذیری ساختمانی شهرها در برابر زلزله با استفاده از روش فرایند تحلیل سلسله مراتبی در محیط سیستم اطلاعات جغرافیایی، جغرافیا و توسعه، شماره 19، 171-198.
3. بهنام پور، ناصر؛ حاجی‌زاده، ابراهیم؛ سمنانی، شهریار و زایری، فرید. (1392). معرفی الگوریتم‌های مدل رده‌بندی درختی و کاربرد آن در تعیین عوامل مؤثر بر سرطان مری در استان گلستان، دو فصلنامه کمیته تحقیقات دانشجویی دانشگاه علوم پزشکی گلستان (حکیم سید اسماعیل جرجانی)، دوره 1، شماره 2، 38-46.
4. جامی، محسن؛ فریمان خطیب، محمدمهدی؛ مریدی، علی‌اصغر و مظلوم، غلامرضا. (1392). هندسه فرکتالی گسل‌ها و لرزه‌خیزی در شمال شرق ایران، مجله مخاطرات محیطی، سال دوم، شماره 3، 17-28.
5. جهانی، میثم؛ رضایی نور، جلال؛ هداوندی، اسماعیل؛ صالحی، ایرج و تحسینی، حبیب اله. (1394). مقایسه سامانه‌های پشتیبان تصمیم‌گیری در پیش‌بینی دیابت، مجله تخصصی اپیدمیولوژی ایران، دوره 11، 2، 46-53.
6. حاجی نژاد، علی؛ بدلی، احد و آقایی، واحد. (1394). بررسی عوامل مؤثر بر آسیب‌پذیری ناشی از زلزله در مناطق شهری دارای سکونتگاه‌های غیررسمی با استفاده از سیستم اطلاعات جغرافیایی، مطالعه موردی: مناطق 1 و 5 شهر تبریز، مجله مخاطرات محیط طبیعی، سال چهارم، شماره 6، 33-56.
7. خالق پناه، کمال، نیری، هادی، کرمی، محمدرضا و احمدی، خبات. (1395). پهنه‌بندی میزان آسیب‌پذیری شهر سنندج ناشی از زلزله با استفاده از دو مدل تحلیل سلسله مراتبی و مدل تاپسیس، نشریه علمی - پژوهشی جغرافیا و برنامه‌ریزی، دوره 20، شماره 57، 294-277.
8. ساسان پور، فرزانه؛ شماعی، علی؛ افسر، مجید و سعیدپور، شراره. (1396). بررسی آسیب‌پذیری ساختمان‌های شهر در برابر مخاطرات محیطی (زلزله)، مطالعه موردی: محله محتشم کاشان، مجله مخاطرات محیط طبیعی، دوره ششم، شماره 14، 103-122.
9. صیامی، قدیر؛ تقی نژاد، کاظم و زاهدی کلاکی، علی. (1394). آسیب‌شناسی لرزه‌ای پهنه‌های شهری با استفاده از تحلیل سلسله مراتبی معکوس (IHWP) و GIS، مطالعه موردی: شهر گرگان، فصلنامه مطالعات برنامه‌ریزی شهری، دوره 3، شماره 9، 43-63.
10. عزیزی، محمدمهدی و اکبری، رضا. (1387). ملاحظات شهرسازی در سنجش آسیب‌پذیری شهرها از زلزله، مطالعه موردی: منطقه فرحزاد تهران، نشریه هنرهای زیبا، شماره 34، 25-36.
11. عابدینی، موسی و سرمستی، نادر. (1395). ارزیابی ضریب آسیب‌پذیری کلان‌شهر تبریز در برابر خطر زلزله و برآورد تلفات انسانی، فصلنامه جغرافیای طبیعی، سال نهم، شماره 32، 35-56.
12. کانتاردزیک (1385)، داده‌کاوی، ترجمه: امین علیخان زاده، نشر علوم رایانه، بابل، چاپ اول.
13. کرمی، محمدرضا. (1391). ارزیابی خطر زلزله و آسیب‌پذیری شهرها با استفاده از سیستم‌های اطلاعات جغرافیایی (GIS)، نمونه موردی: شهر تبریز، رساله دکتری به راهنمایی دکتر محمدرضا پورمحمدی، دانشگاه تبریز، دانشکده جغرافیا و برنامه‌ریزی.
14. کریمی صالح، محمدجعفر. (1385). برنامه‌ریزی شهری مقابله با سوانح طبیعی، اولین همایش ملی مقابله با سوانح طبیعی، دانشکده فنی، دانشگاه تهران.
15. لطفی، خداداد. (1391). مدل‌سازی ضریب آسیب‌پذیری شهرها در برابر زلزله با استفاده از GIS و GA، مطالعه موردی: شهر اردبیل، پایان‌نامه کارشناسی ارشد به راهنمایی دکتر فریبا اسفندیاری، دانشگاه محقق اردبیلی، دانشکده ادبیات و علوم انسانی.
16. مشکانی، علی و ناظمی، عبدالرضا. (1388). مقدمه‌ای بر داده‌کاوی، موسسه چاپ و انتشارات دانشگاه فردوسی مشهد، چاپ اول.
17. مظفری، غلامعلی؛ شفیعی، شهاب و تقی زاده، زهرا. (1394). ارزیابی کارایی مدل درخت تصمیم رگرسیونی در پیش‌بینی خشک‌سالی، نمونه موردی: ایستگاه سینوپتیک سنندج، مجله مخاطرات محیط طبیعی، سال چهارم، شماره 6.
18. مقیمی، ساجده و منصفی پراپری دانیال. (1398). مکان‌یابی فضای مناسب برای اسکان موقت زلزله‌زدگان با استفاده از تحلیل سلسله مراتبی و ترکیب خطی وزنی بر مبنای GIS، نمونه موردی: شهر شاهرود، نشریه تحلیل فضایی مخاطرات محیطی، سال ششم، شماره 1، 71-94.
19. مکرم، رضا. (1396). مقایسه مدل‌های شبکه عصبی، درخت تصمیم و کاکس در طبقه‌بندی داده‌های بقا، رساله دکتری در رشته آمار گرایش استنباط، دانشگاه فردوسی مشهد، دانشکده علوم ریاضی، گروه آمار.
20. ملکی، امجد. (1386). پهنه‌بندی خطر زمین‌لرزه و اولویت‌بندی بهسازی مساکن در استان کردستان، مجله پژوهش‌های جغرافیایی، دوره 39، شماره 59، 115-124.
21. مرکز آمار ایران. (1395). سرشماری عمومی نفوس و مسکن 1395. شهرستان سنندج.
22. مهندسین مشاور تدبیر شهر. (1387). طرح توسعه و عمران شهر سنندج. مرحله اول. جلد اول.
23. یزدانفر، کاملیا. (1393). تعیین فعالیت گسل پیرانشهر به‌عنوان شمال غربی‌ترین قطعه راندگی جوان زاگرس با کاربرد مدل DTM و نرم‌افزار GIS، مجله تحقیقات جغرافیایی، دوره 29، شماره 4، 133-146.
24. Alizadeh, M.; alizadeh, E.; Asadollahpour Kotenaee, S.; Shahabi, H.; Beiranvand Pour, A.; Panahi, M.; Baharin Bin, A. and Lee, S., (2018), Social Vulnerability Assessment Using Artificial Neural Network (ANN) Model for Earthquake Hazard in Tabriz City, Iran, Sustainability, 10, 3376; doi:10.3390/su10103376. [DOI:10.3390/su10103376]
25. Bradley, AP., (1997), the use of the area under the ROC curve in the evaluation of machine learning algorithms. Pattern Recognit.30: 1145-1159. [DOI:10.1016/S0031-3203(96)00142-2]
26. Chich-hao Wang, (2013), "Land-use allocation and earthquake damage mitigation: a combined spatial statistics and optimization approach", presented in partial fulfillment of the requirements for the degree doctor of philosophy in the graduate school of the OHIO state university.
27. Duzgun, H. S. B., Yucemen, M. S., Kalaycioglu, H. S., Celik, K., Kemec, S., Ertugay, K., and Deniz, A. (2011), An integrated earthquake vulnerability assessment framework for urban areas. Natural Hazards, 59(2), 917-947. Doi: 10.1007/s11069-011-9808-6 [DOI:10.1007/s11069-011-9808-6]
28. Hanley, A and Mcneil, J., (1982), the meaning and use of the area under a receiver operating characteristic (ROC) curve. Radiology. 143: 29-36. [DOI:10.1148/radiology.143.1.7063747] [PMID]
29. Ogie, R., I. and Pradhan, B, (2019), Natural Hazard and Social Vulnerability of Place: The Strength-Based Approach Applied to Wollongong, Australia. International Journal of Disaster Risk Science, volume 1: 404-420. [DOI:10.1007/s13753-019-0224-y]
30. Zambon, M., R. Lawrence, A. Bunn, and S. Powell., (2006), Effect of alternative splitting rules on image processing using classification tree analysis. Photogrammetric Engineering and Remote Sensing, 72(1): 25-30. [DOI:10.14358/PERS.72.1.25]

Add your comments about this article : Your username or Email:
CAPTCHA

Send email to the article author


Rights and permissions
Creative Commons License This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

© 2024 CC BY-NC 4.0 | Applied researches in Geographical Sciences

Designed & Developed by : Yektaweb