پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان)

word 24 MB 29705 129
1391 کارشناسی ارشد جغرافیا و برنامه ریزی شهری
قیمت قبل:۷۱,۴۰۰ تومان
قیمت با تخفیف: ۳۲,۶۰۰ تومان
دانلود فایل
  • بخشی از محتوا
  • وضعیت فهرست و منابع
  • پایان نامه جهت اخذ درجه کارشناسی ارشد M.Sc

    رشته سنجش از دور و سیستم اطلاعات جغرافیایی- منابع آب و خاک

    چکیده

    ازجمله مسائل مهم در مدیریت بحران حوادث غیرمترقبه طبیعی به ویژه زلزله، مکان یابی بهینه به منظور اسکان شهروندان در هنگام و یا پس از بروز حادثه می‌باشد. یکی از مشکلات بزرگ سازمان‌های درگیر در مدیریت بحران شهری، فقدان یک مدل مکانی جامع به منظور اعمال مدیریت واحد در انتقال ساکنین شهر به مکان‌های اسکان موقت از پیش تعیین شده پس از وقوع حادثه می‌باشد. بهینه­سازی فرآیند اسکان موقت در سه فاز تعیین مکان­های بهینه امن، تعیین مسیرهای بهینه و تخصیص جمعیت به اماکن امن صورت می گیرد. هدف از انجام این تحقیق پیاده سازی و بررسی نتایج الگوریتم بهینه سازی کلونی مورچه (ACO ) در مکان­یابی پناهگاه اسکان موقت با تعیین مسیرهای بهینه و تخصیص جمعیت به مکان­های امن در شهر کرمان بعنوان منطقه مورد مطالعه می­باشد.

        با ایجاد تغییرات لازم در اجرای الگوریتم ACO در حل مسئله فروشنده دوره­گرد، مراحل مربوط به مکانیابی و تخصیص در قالب یک مدل مکانی طراحی شده است. این مدل بر اساس یک تابع هدف به منظور کمینه کردن هزینه انتقال جمعیت بلوک های ساختمانی و سه محدودیت میانگین سرریز/کمریز، حداکثر تعداد مکان­های انتخاب شده و میانگین تناسب مکانی، به گونه­ای طراحی شده است که قیود مسئله  تضمین کننده کیفیت جواب­های مدل می­باشد. برای تصمیم گیری در مورد بهینه بودن راه حل ها در ACO از روش ارزیابی چند معیاره استفاده شد.

          به منظور بهبود نتایج، حساسیت مدل نسبت به تغییر پارامترهای فرومون و تابع ابتکاری الگوریتم ACO مورد ارزیابی قرار گرفت و مقادیر مناسب و بهینه آنها تعیین شد. با در نظر گرفتن قیود تعیین شده و همچنین نمودار همگرایی تابع هدف، بهترین عملکرد در کاهش نهایی تابع هدف توسط مدل مشخص شد و علاوه بر آن، نتایج حاصل از تست تکرارپذیری نشان دهنده پایداری و ثبات جواب­های الگوریتم مورد بررسی می­باشد. نتایج تخصیص جمعیت به مکان­های امن، وابستگی انکارناپذیری به نحوه توزیع اماکن امن و ظرفیت آنها و همچنین پراکندگی و جمعیت بلوک­های ساختمانی دارد. میانگین فاصله طی شده تا نزدیکترین مکان امن در مدل نهایی تخصیص برابر با 1200 متر می باشد اما به دلیل عدم توزیع مناسب این مکان­ها با توجه به توزیع جمعیت در سطح شهر، بیش از 40 درصد جمعیت فاصله ایی بیش از 1500 متر را تا نزدیکترین مکان امن انتخاب شده باید طی کنند. در نتیجه جستجو و تاسیس مراکز امن جدید برای کاهش این فاصله ضرورت دارد. نتایج نشان می­دهند که استفاده از الگوریتم ACO، قابلیت­های زیادی برای ترکیب با سیستم­های اطلاعات جغرافیایی برای حل مسئله مکان­یابی و تخصیص که نیازمند محیط شبیه­سازی پویا (تغییر ترکیب مکانهای امن – تغییر ظرفیت) می­باشند، دارا می با­شد.

    کلمات کلیدی: مدیریت بحران، اسکان موقت، مکانیابی و تخصیص، الگوریتم بهینه سازی کلونی مورچه(ACO)، مسافت طی شده، مکان امن، شهر کرمان

    فصل اول:

    کلیات تحقیق

    1-       فصل اول: کلیات تحقیق

    1-1-    طرح مسئله

     علیرغم پیشرفت‌های شگرف در تکنولوژی و دست‌یابی به ناممکن‌های قرون گذشته، هنوز انسان در برابر حوادث غیر مترقبه طبیعی چون زلزله، سیل و … درمانده است و گاه و بی گاه در معرض تلفات و خسارت‌های مالی بسیاری قرار می‌گیرد .در دهه‌ای که گذشت بیش از 200  میلیون نفر در سال به علت بروز بلایای طبیعی دچار صدمات جانی و مالی شده‌اند .در این میان ساخت و سازهای غیر اصولی و بی توجهی به قدرت خطر زایی یک منطقه، رعایت نکردن فاصله کاربری­های حساس و مناطق مسکونی از حریم گسل‌ها و رودخانه­ها و …، موجبات تشدید فجایع را فراهم می‌آورند (اسدی نظری , 1383). زلزله از جمله پدیده‌های طبیعی است که در اکثر مناطق جهان از جمله ایران به وقوع می‌پیوندد. در طی سال‌های 1900 تا 1990 میلادی، 1100 زلزله مرگبار در 75 کشور جهان رخ داده و بیش از 80 درصد مرگ و میرهای حاصله در شش کشور جهان اتفاق افتاده است. ایران با 120 هزار نفر تلفات انسانی در زمره این کشورهاست. همچنین در سال‌های 1361 تا 1370 کشور ایران بیشترین تعداد زلزله را تجربه کرده است. (عبدالهی، 1381)

    کشور ما ایران در پهنه لرزه خیزی از دنیا واقع شده است. بیشتر نقاط شهری و غیرشهری کشور در نواحی با خطر نسبی زمین لرزه زیاد قرار گرفته است. اهمیت زلزله در ایران، با شدت یافتن روند توسعه کشور، گسترش شهر­ها، تمرکز جمعیت امروزه بیشتر درک می­ شود. با توجه به رویارویی مداوم کشور با پدیده زلزله، ضروری است همواره تلاش‌هایی جهت دست یابی عملی به روش‌ها و راه کارهای منسجم جهت مقابله منطقی و به حداقل رساندن ابعاد فاجعه آمیز چنین رخدادی صورت گیرد (اسدی نظری، 1383). اداره هماهنگی امداد سوانح سازمان ملل متحد اعلام می‌نماید که می‌توان با اطمینان اظهار داشت، در طول دهه‌های گذشته، ارائه کمک‌های اضطراری در ارتباط با پزشکی، تغذیه و … پس از سانحه پیشرفت چشمگیری داشته است، اما یک بخش مهم هم چنان بهبود ناچیزی داشته و آن سرپناه اضطراری یا به طور عام، سرپناه پس از سانحه است.( Fallahi, 2007)

    طی یکصد سال گذشته، سیزده زلزله به بزرگی بیشتر از هفت ریشتر در ایران اتفاق افتاده و این در حالی است که روستاهای ما در برابر زلزله 5 ریشتری و شهرهای ما در برابر زلزله 6 ریشتری به شدت آسیب پذیر هستند. کاهش اثرات جانبی زلزله یا به عبارت دیگر، کاهش آسیب‌هایی همچون اجتماعی و زیربنایی در زمان وقوع زلزله، زمانی به وقوع خواهد پیوست که فازهای مختلف مدیریت بحران در تمامی سطوح برنامه­ ریزی مد نظر قرار گیرد. اما هر تصمیم­ گیری و برنامه­ ریزی صحیح، نیازمند اطلاعات صحیح، دقیق و به روز و تحلیل آن‌ها می‌باشد. به دلیل اینکه اکثر اطلاعات مورد نیاز در مقوله شهری و زلزله بیشتر ماهیت مکانی دارند، لذا علم و فناوری سیستم اطلاعات جغرافیایی با قابلیت جمع آوری داده‌های مکانی و غیر مکانی، ذخیره سازی، بروزرسانی، آنالیز، مدل‌سازی و نمایش اطلاعات مکانی می‌تواند به عنوان علم و فناوری بهینه، در جهت ساماندهی و تجزیه و تحلیل جامع و سریع اطلاعات و کمک به اخذ تصمیمات مناسب در مدیریت بحران، مورد استفاده قرار گیرد (آقامحمدی، 1379). از طرفی باید توجه داشت که محیط سیستم‌های اطلاعات جغرافیایی، محیطی استاتیک می‌باشد و قابلیت شبیه سازی پویا را ندارد. هوش مصنوعی به ویژه عامل‌های هوشمند قادر به رفع نقاط ضعف بوده و می‌توانند در تعامل و حتی ترکیب با سیستم‌های اطلاعات جغرافیایی نقشی موثر در مدیریت بحران ایفا کنند (رجبی، 1388).

    الگوریتم‌های هوشمند در GIS قابلیت آن را در قاعده‌مند کردن تصمیمات به طور مناسبی ارتقاء بخشیده‌اند که برنامه ریزی مکانی پیچیده و بهینه سازی منابع از آن جمله می‌باشند (Birkin, et al., 1996; Bong, et al., 2004).  ازجمله روش­های هوش مصنوعی که از آن به عنوان یک روش فراابتکاری یاد می‌شود، الگوریتم بهینه سازی کلونی مورچه ([1]ACO) می‌باشد. ( Dorigo, et al., 2004).  این روش اولین بار توسط دوریگو در رساله دکترا خود در سال 1992 به عنوان یک راه حل چند عامله [2]برای حل مسائل پیچیده بهینه سازی توسعه داده شده است. اولین کاربرد موفق آن، حل مسئله فروشنده دوره گرد (TSP[3]) می‌باشد(Dorigo, 1992) که سبب شد تا کارایی آن در حل سریع مسائل بهینه­ سازی ترکیبی اثبات شود. در سال‌های اخیر کاربردهای فراوانی از بکارگیری در مسائل بهینه­ سازی پیچیده نظیر انتخاب اشیاء و تشخیص حالت چهره، مسیریابی وسایل نقلیه(White, et al., 1998)، تخصیص(Maneizzo, et al., 1994)، طراحی و بهبود شبکه حمل و نقل و تکنیک‌های فراگیری ماشین(Parpinelli, et al., 2002)[4] و... ارائه گردیده است.

    با توجه به آنچه درمورد اهمیت و ضرورت توجه به بحران زلزله و لزوم برنامه­ریزی برای مقابله با پیامدهای بعد از آن بیان شد، در این تحقیق با استفاده از قابلیت­های سیستم های اطلاعات جغرافیایی و الگوریتم ACO، مکانیابی پناهگاه­های اسکان موقت بعد از زلزله به منظور تخصیص جمعیت آسیب دیده، به عنوان یک مسئله بهینه سازی در دنیای واقعی  انجام گرفته است.   

    1-2-   ضرورت انجام تحقیق:

    امروزه با توجه به روند رو به رشد جمعیت و تراکم جمعیتی در مناطق شهری علی‌الخصوص در شهرهای پر جمعیت و مستعد از نظر لرزه­ خیزی، لزوم نگرشی همه جانبه و فراگیر به حوادث طبیعی و فجایع ناشی از بروز آن‌ها بیش از پیش جلوه نموده است. اثرات زیان‌بار ناشی از تمرکز بیش از اندازه جمعیت در محدوده‌های خاص شهری در کنار فقدان برنامه­ ریزی پیشگیرانه و عدم آمادگی لازم جهت مقابله با حوادثی نظیر زلزله تهدیدی بسیار جدی و مهم برای جان شهروندان و تداوم حیات شهری به شمار می‌رود (باقرپور،1389).

    ازجمله مسائل مهم در مدیریت بحران به ویژه در زمینه حوادث غیرمترقبه، مکان­ یابی بهینه به منظور اسکان شهروندان در مواجهه و یا پس از بروز حادثه می‌باشد. به دلیل دخالت عوامل و پارامترهای متعدد در این مسئله، مکان­یابی این گونه اماکن دارای پیچیدگی زیادی است ( صمدزادگان و همکاران, 1384). در ایران مکان­گزینی برای اسکان موقت به طور تجربی پس از بروز سانحه و بدون در نظر گرفتن استانداردهای لازم توسط سازمان‌های امدادرسان انجام می‌گیرد. تجربیات به دست آمده از موارد گذشته نشان می‌دهد که هنگام بحران اگر ضوابط برنامه­ریزی و اجرای اسکان موقت از قبل معین نشوند، در ایجاد سکونتگاه موقت و تخصیص بلوک‌های جمعیتی به نواحی امن، عوامل غیرقابل پیش­بینی دخالت کرده و به انواع مختلف بر کیفیت آن اثر می‌گذارند. عدم رعایت مکان­ گزینی صحیح ممکن است فاجعه دیگری به مراتب وخیم‌تر از سانحه اولیه به دنبال داشته باشد (اشراقی, 1385). در راستای مدیریت اضطراری بحران ناشی از زمین­لرزه و جلوگیری از تلفات سنگین جانی با توجه به تراکم بالای جمعیتی و تنوع عوارض شهری، طراحی و پیاده سازی یک مدل بهینه سازی و جامع به منظور مکانیابی بهینه مکان‌های اسکان و تخصیص جمعیت به آن‌ها در چهارچوب یک سیستم اطلاعات مکانی از اهمیت بالایی برخوردار است( صمدزادگان و همکاران, 1384).

    زمانی که بخواهیم مکانیابی را در فضای ترکیبی داده‌ها و با لحاظ کردن اهداف متعدد اجرا و فرآیند بهینه­ سازی مکانی را بروی اهداف انجام دهیم، به دلیل وجود محاسبات پیچیده و زمان بر و علما در بعضی مواقع غیر ممکن بودن اجرای مدل، روش­های مرسوم در این زمینه کارایی لازم را در ارائه نتایج بهینه نخواهند داشت. ورود روش‌های هوش مصنوعی از جمله هوش جمعی به عنوان Geocomputation در GIS به منظور بهینه سازی هر چه بیشتر فرایند مکانیابی در­حل­این­مشکل­کمک­بسزایی­نموده­اند(LI, et al., 2009).  

    پیچیدگی موجود در توزیع مکانی جمعیت و ساختمان‌ها در کنار خصوصیات مکانی و توصیفی دیگر عوارض شهری که منجر به تعریف انواع مختلف سطوح دسترسی می‌شود، باعث شده است تا در این نوع مدل‌سازی با معیارهای بهینه­ سازی معمول در این نوع مسائل(فاصله تا کاربری‌های سازگار و ناسازگار و همچنین حداقل کردن هزینه‌های بهینه­ سازی) درگیر شویم (صمدزادگان و همکاران 1384). با این وجود، یکی از مشکلات بزرگ سازمان‌های درگیر در مدیریت بحران شهری، فقدان یک مدل مکانی جامع به منظور اعمال یک مدیریت واحد در انتقال ساکنین شهر به مکان‌های اسکان موقت از پیش تعیین شده پس از وقوع حادثه می‌باشد. این مسئله، به نوبه خود وابسته به مکان­یابی بهینه مکان‌های اسکان موقت ساکنین با توجه به معیارهای مطرح بهینه­ سازی درگیر در مسئله تحت بررسی می‌باشد.

    Abstract:

    Optimal site selection for accommodation of citizens, is one of the most important issues in disaster management, especially earthquakes. Lack of a comprehensive model for secure settelement of people after the earthquake in urban areas, is one of the major problems of organizations involved in disaster management. Optimization process of temporary settlement includes three phases: i- finding safe locations, ii- determining optimal routes and iii- optimal allocation of population to safe locations. The purpose of this study has been to implement and evaluate results of the Ant Colony Optimization algorithm (ACO) in finding safe locations in Kerman as the case study, determining optimal paths and allocation of population to the proper safe places. By making necessary changes in the ACO algorithm, location-allocation procedures have been designed in the form of a spatial model. This model is based on an objective function to minimize the transportation costs of populations and consists of three constraints including the mean overflow /underflow, maximum number of selected sites and mean site suitability. The model is developed in such a way that constraints guarantee the quality of the model's sulotions. Decisions and judgments about the optimality of solutions in the ACO was based on a multi criteria evaluation approach. Sensitivity of the model for variation of the pheromone and heuristic function parameters of ACO algorithms were tested and optimal values ​​were determined. By considering the constraints and objective function convergence curves, the best performance in the final objective function was determined by the model. Results of the repeatability test indicated the stability of the algorithm's solutions. Results of allocations to safe places is closely related with the distribution of secure places and their capacity, as well as building blocks and their population. The traveling mean distance for all populations is about 1200 meters. But due to irregular distribution of the safe places in the area in relation to the population distribution, more than 40 percent of the population have to travel a distance of 1,500 meters to get to the nearest safe places. As a result, search for locations and establishment of new safe sites are of prime importance to reduce the gap. Results have shown that the ACO algorithm have great capabilities in combination with GIS to solve the location-allocation problems in a dynamic situations such as the different combinations of available safe places and changing capacities.                                                           

     Keywords: Disaster management, Temporary housing, Location-allocation, Ant  Colony Optimization(ACO), Secure places, Traveling distance, Kerman city 

  • فهرست:

    1-   فصل اول: کلیات تحقیق... 2

    1-1-  طرح مسئله. 2

    1-2-  ضرورت انجام تحقیق.. 4

    1-3-  سوالات تحقیق.. 6

    1-4-  فرضیه ها 6

    1-5-  اهداف تحقیق.. 6

    1-6-  معرفی ساختار پایان نامه. 7

    2- فصل دوم: منطقه مورد مطالعه و پیشینه تحقیق 9

    2-1-  مقدمه. 9

    2-2-  منطقه مورد مطالعه. 9

    2-2-1-    موقعیت جغرافیایی شهر کرمان.. 9

    2-2-2-    گسل­ها 11

    2-2-3-    سابقه لرزه خیزی.. 12

    2-2-4-    نتیجه گیری: 13

    2-3-                                                      مروری بر پیشینه تحقیقاتی  14

    2-3-1-    تحقیقات انجام شده در زمینه اسکان موقت با استفاده از هوش مصنوعی و GIS. 14

    2-3-2-    مکان­یابی و تخصیص با استفاده از هوش مصنوعی.. 18

    3-  فصل سوم: مبانی نظری تحقیق... 25

    3-1-  مقدمه. 25

    3-2-  مدیریت بحران.. 25

    3-2-1-    اهمیت و ضرورت مدیریت بحران.. 26

    3-2-2-    چرخه مدیریت بحران و فازهای آن.. 26

    3-2-3-    جایگاه اسکان موقت در مدیریت بحران.. 28

    3-2-4-    برنامه ریزی اسکان موقت در مدیریت بحران.. 28

    3-2-5-    مراحل کلی فرآیند بهینه­سازی اسکان موقت... 29

    3-3-  مفاهیم تخصیص و مکان­یابی  30

    3-3-1-    مکانیابی در GIS. 30

    3-3-2-    مسئله مکان­یابی و تخصیص.... 31

    3-4-  روش­های حل مسئله مکان­یابی و تخصیص.... 35

    3-5-  بهینه یابی.. 37

    3-5-1-    الگوریتمهای فراابتکاری   38

    3-6-  هوش مصنوعی.. 39

    3-6-1-    شاخههای هوش مصنوعی   39

    3-6-2-    سیستم اطلاعات جغرافیایی و ارتباط آن با هوش مصنوعی.. 40

    3-6-3-    نقش هوش مصنوعی در مدیریت بحران زلزله  41

    3-6-4-    هوش جمعی   41

    3-7-  الگوریتم بهینه سازی کلونی مورچه  42

    3-7-1-    منشاء زیست شناسانه الگوریتم کلونی مورچه­ها 42

    3-7-2-    ساختار مسائل قابل مدلسازی برای حل با مجموعه الگوریتم­های مورچه. 45

    3-7-3-    شبیه­سازی رفتار مورچهها در ACO.. 46

    3-7-4-    ساختار عمومی الگوریتم های ACO.. 48

    3-7-5-    حل مسئله TSP با استفاده از الگوریتمACO.. 49

    3-7-6-    ترکیبات مختلف  و ... 53

    3-7-7-    مجموعه الگوریتم های ACO.. 54

    4-   فصل چهارم: مواد و روش ها 57

    4-1-  مقدمه. 57

    4-2-  داده­های مورد نیاز. 58

    4-2-1-    معیارهای ناسازگاری.. 58

    4-2-2-    معیارهای سازگاری.. 61

    4-2-3-    بلوکهای جمعیتی(نقاط تقاضا) 64

    4-2-4-    مکانهای امن(نقاط عرضه) 65

    4-3-  محاسبه تناسب مکانی.. 66

    4-4-  اجرای گام­های مکان­یابی و تخصیص در تحقیق حاضر. 69

    4-4-1-    گام اول:  انتخاب مکان­های امن.. 69

    4-4-2-    گام دوم: انتخاب مسیر انتقال بلوک­های جمعیتی به مکان­های امن.. 74

    4-4-3-    گام سوم: تخصیص جمعیت... 75

    4-4-4-    بروزرسانی فرومون.. 81

    4-5-  جمع­بندی.. 83

    5-  فصل پنجم: نتایج و بحث... 86

    5-1-  مقدمه. 86

    5-2-  ارزیابی عملکرد الگوریتم ACO با در نظر گرفتن مقادیر مختلف  و : 86

    5-2-1-    بررسی تغییرات پارامتر : 87

    5-2-2-    بررسی تغییرات پارامتر : 90

    5-3-  بررسی تغییرات  ضریب تبخیر بروی تابع هدف.. 92

    5-4-  بررسی نمودار همگرایی نهایی مدل.. 92

    5-5-  ارزیابی پایداری نتایج.. 94

    5-6-  بررسی نتایج تخصیص بلوک­های جمعیتی به مکان­های انتخاب شده. 94

    5-7-  بررسی تاثیر محدودیت تعداد مکان حداکثر در نتایج تابع هدف.. 100

    6-  فصل ششم: جمع­بندی و پیشنهادات.. 104

    6-1-  مقدمه: 104

    6-2-  جمع­بندی: 104

    6-3-  آزمون فرضیات.. 105

    6-3-1-    فرض اول.. 105

    6-3-2-    فرض دوم: 106

    6-3-3-    فرض سوم: 106

    6-4-  پیشنهادات: 107

    فهرست منابع:               110

    پیوست شماره 1: ........................................................................116

    .

    منبع:

    منابع فارسی:

    احمدیان، سمیه، (1388)، برنامه ریزی اسکان موقت با استفاده از الگوریتم های بهینه سازی چند هدفه، پایان نامه کارشناسی ارشد،دانشگاه خواجه نصیر الدین طوسی.

    احدنژاد، محسن. قنبری، حکیمه. (1388). کاهش خسارات ناشی از زلزله و مدیریت بهینه بحران با تاکید برمکانیابی کاربری های ویژه با استفاده از GIS (نمونه برداری بافت فرسوده شهر تبریز)،همایش سراسری سامانه اطلاعات مکانی

    اسدی نظری، مهرنوش. (1386). برنامه ریزی و مکانیابی اردوگاههای اسکان موقت بازماندگان زلزله(مطالعه موردی: منطقه 1ناحیه 6تهران)، پایان نامه کارشناسی ارشد، تهران، دانشگاه تربیت مدرس.

    اسلامی، علیرضا. (1385). مکانیابی مراکز امداد و اسکان، دومین کنفرانس بین المللی مدیریت جامع بحران در حوادث غیرمترقبه طبیعی ، تهران.

    اشراقی، مهدی. (1385). مکانیابی اماکن اسکان موقت جمعیت های آسیب دیده از زلزله با بهره گیری از سیستم های اطلاعات جغرافیایی (منطقه 2 تهران)تهران، دومین کنفرانس بین المللی مدیریت جامع بحران در حوادث غیرمترقبه طبیعی.

    اصغر پور، محمد جواد. (1388).  تصمیم گیری های چندمعیاره. تهران. دانشگاه تهران.

    افشار، امین. مکنون، رضا. افشار، علیرضا. (1387). مکانیابی بهینه ایستگاههای پایش در شبکه توزیع آب شهری با استفاده از الگوریتم جامعه مورچه ها. تهران. نشریه آب و فاضلاب.

    افندی زاده، شهریار. معروف، نسترن. کلانتری، نوید. (1390). ارائه الگوریتم فراابتکاری ترکیبی برای حل مدل بهینه سازی همزمان طراحی شبکه اتوبوسرانی و مکانیابی پایانه. سمنان. ششمین کنگره ملی مهندسی عمران.

    آقامحمدی، حسین. (1390).  طراحی و پیاده سازیی یک سیستم اطلاعات مکانی برای کاهش اثرات بحران زلزله. پایان نامه کارشناسی ارشد، دانشگاه خواجه نصیر الدین طوسی.

    امیدوار، بابک. نوجوان، مهدی. برادران، محمد. مکان یابی اسکان موقت با استفاده ازGIS مطالعه موردی :منطقه یک شهرداری تهران. تهران، دومین کنفرانس برنامه ریزی و مدیریت شهری.

    ایرانمنش، فاضل.(1386). کاربرد GIS در برنامه ریزی مکانیابی فضاهای تخلیه جمعیت های آسیب دیده از زلزله (منظقه 22 تهران).

    بحرینی،حسین. (1387). نقش فرم، الگو و اندازه سکونتگاهها در کاهش خطرات ناشی از وقوع زلزله تهران، مرکز مقابله با سوانح طبیعی ایران.

    تقوی فرد، محمد نقی.  خلیلی دامغانی، کاوه. (1388). جانمایی پایگاههای خدماتی در کلان شهر ها توسط روش فراابتکاری. تهران، هفتمین کنفرانس مدیریت.

    جهانگیری، کتایون. (1388). اصول و مبانی مدیریت بحران. موسس آموزش عالی علمی کاربردی هلال احمر.

    حسینی، مازیار. (1387). مدیریت بحران. تهران، موسسه نشر تهران.

    رجبی، محمدرضا. (1388)، کاربرد هوش مصنوعی در مدیریت بحران. سمینار کارشناسی ارشد، دانشگاه خواجه نصیر الدین طوسی.

    رمضانی، م. طالشی، م.مکان یابی مطلوب بمنظور طراحی تاسیسات شهری برای شرایط بحران نمونه موردی منطقه چهار شهرداری تهران. تهران،اولین کنفرانس ملی مدیریت بحران، زلزله و آسیب پذیری اماکن و شریانهای حیاتی.

    سبط، محمد حسن. حسینی، مازیار. صدیقی، محمد علی. (1385). امکان سنجی اسکان موقت پس از زلزله و ارائه راه حل بهینه جهت منطقه ای از تهران. تهران، دومین سمینار ساخت و ساز در پایتخت.

    سپهری، محمد مهدی. رحیمی مقدم، محمد. (1386). الگوریتم مورچگان و کاربردهای آن. تهران، منهاج.

    شجاع عراقی، مهناز. (1390) مکانیابی بهینه پایگاههای پشتیبانی مدیریت بحران با استفاده از سیستم اطلاعات جغرافیایی(منطقه 6 تهران)تهران، مطالعات و پژوهش های شهری و منطقه ای.

    شیروانی، فیروزه. (1378). پژوهشنامه مرکز تحقیقات ساختمان و مسکن. تهران، مرکز تحقیقات ساختمان و مسکن.

    صمدزادگان ، فرهاد. علی عباسپور، رحیم. پهلوانی پرهام. (1385). مکانیابی اماکن اسکان اضطراری شهروندان در سوانح غیر مترقبه با بکارگیری سیستم های اطلاعات مکانی هوشمند، تهران،کنفرانس فناوری اطلاعات مکانی و مدیریت حوادث طبیعی.

    عبدالهی، مجید. (1381). مدیریت بحران در نواحی شهری. تهران،سازمان شهرداری های کشور

    علوی، سید اکبر.(1387). مدیریت بحران. کرمان. مرکز مطالعات و آموزش مدیریت بحران شهرداری کرمان

    قدسی‌پور، حسن.(1382). مباحثی در تصمیم‌گیری چند معیاره: برنامه‌ریزی چندهدفه (روش‌های وزن دهی بعد از حل)تهران، دانشگاه صنعتی امیر کبیر.

    کامروز خدایار، گلبرگ. (1390). مقایسه الگوریتم های هوش جمعی جهت تخصیص اماکن اسکان موقت در زمان زمین لرزه. پایان نامه کارشناسی ارشد. تهران، دانشگاه خواجه نصیر الدین طوسی.

    محمدی، نازیلا. (1388)بهبود طبقهبندی و ارزیابی روشهای مکانیابی به صورت هدف مبنا. تهران،همایش ژئوماتیک.

    مرکز مطالعه سوانح طبیعی ایران،(1389). ارزیابی و بازسازی سه شهر زلزله زده ایران با تکیه بر تحلیل آسیب پذیری آن در برابر زلزله(جلد دوم: گلبافت)، تهران.

    مهاجری،  محمد.(1386). مکانیابی پایگاههای چند منظوره پشتیبانی و مدیریت بحران پس از وقوع زلزله با استفاده از GIS (منطقه 17 تهران)، پایان نامه کارشناسی ارشد،دانشگاه تهران.

    نژاد قمی، سعید. (1384). کاربرد GIS در مدیریت بحران. نشریه جغرافیایی دانشگاه آزاد اسلامی شهر ری.

    نظری عدلی، سعید. (1389). ارزیابی کاربرد الگوریتم های هوش مصنوعی در بهینه سازی مکان های اسکان موقت بعد از زلزله(مطالعه موردی منطقه 6 تهران)، پایان نامه کارشناسی ارشد،تهران،دانشگاه تهران.

    نقدی، مرتضی. سعادت سرشت، محمد. (1389).ارزیابی عملکرد و تنظیم پارامترهای الگوریتم پرندگان در بهینه سازی مسئله تخصیص مکانی (مطالعه موردی اسکان موقت بعد از زلزله) تهران، همایش ژئوماتیک

    نقدی، کریم. (1384). تهیه مدلی جهت تعیین بهترین مکانهای اسکان موقت در هنگام بحران زلزله با استفاده از تکنیک های RSو GIS، پایان نامه کارشناسی ارشد،تهران،دانشگاه خواجه نصیر الدین طوسی

    نیرآبادی، هادی. کوهبنانی، حمیدرضا. (1389). مکان یابی اردوگاههای اسکان موقت بازماندگان زلزله با استفاده از AHP مورد پژوهشی: شهر نیشابور.تهران، همایش ژئوماتیک

    وفایی نژاد، علیرضا. (1388). مدل سازی و برنامه ریزی مکانی-زمانی گروه های کاری زنده یاب بصورت فعالیت مبنا. پایان نامه دکترا، تهران،دانشگاه خواجه نصیر الدین طوسی.

    یقینی، مسعود.کاظم زاده، محمد رحیم. 1390. الگوریتم‌های بهینه‌سازی فراابتکاری. تهران، جهاد دانشگاهی واحد امیر کبیر.

     

     

     

    منابع لاتین:

     

    Alaya, I.Solnon, C. Gh´edira, Kh. 2010. Ant Colony Optimization for Multi-objective Optimization Problems. Lyon.

    Alexander, D. 2002. Principles of emergency planning and management, Oxford . University Press.

    Anand, SK. 1986. Computer assisted models used in the solution of warehouse location-allocation problems.Computers & Industrial Engineering. Vol.11.

    Angus, D.Woodward, C. 1998. Multiple objective ant colony optimisation. Springer Science.

    Bank, J.1998.  Handbook of simulation principle, methodology, advances, applications, and practice.John Wiley & Sons. 864.p324-329.

    Basar, A.Çatay, B. Ünlüyurt, T. 2011. Taxonomy for emergency service station location problem.Springer.

    BentleyP. J. 1999. Evolutionary Design by Computers.San Francisco,Morgan Kaufmann Publishers.

    Beni, G.Wang, J. 1998.  Swarm Intelligence in Cellular Robotic Systems. Vol:102

    Birkin, M. 1996.  Intelligent GIS: Location Decisions and Strategic Planning.New York,John Wiley & Sons.

    Bischoff, M. Dachert, K. 2007. Allocation Search Methods for a Generalized Class of Location-Allocation Problems.European Journal of Operational Research.Vol:192.

    Bong, C.WANG, Y. 2004. An intelligent GIS-Based spatial zoning system with multiobjective hybrid metaheuristic method.Lecture Notes in Computer Science.

    Biazaran,M. SeyediNezhad,B. 2009. Center Problem in facility location.Facility Location,Concepts, Models, Algorithms and Case Studies. Physicia-Verlag.

    Brandeau, M.L, chiu, S.S. 1989. An overview of representative problems in location research.Managment science.Vol:35-645-674.

    Brune, M. 2005. An applied research project submitted to the national fire academy as part of the executive fire officer program.

    Church, R.L. 1999. Location modeling and GIS.New York,Geographical Information Systems.Vol:1.

    Connell, R.  2002.  Mobile fire-mapping units support wildland fire suppression.

    Cunny, F.C. 1997. Principales of managment: introduction to disaster managment.University of winsconin.

    De Jong, J.M. 2001. Multiple Ant Colony Systems for the Busstop Allocation Problem.Proceedings of the Thirteenth Belgium-Netherlands Conference on Artificial Intelligence.

    DOBSON, J. 1979.  A Regional screening procedure for land use suitability analysis.The Geographical Review.224-234.

    Dorigo, M. 1992.Optimization, learning and natural algorithms.Milan.

    Dorigo,M. Maniezzo,V.  Colorni, A. 1991.The Ant System: An autocatalytic optimizing process.Milan. Dipartimento di Elettronica.

    Dorigo, M. Stutzle, T. 2002. The Ant Colony Optimization Metaheuristic: Algorithms, Applications, and Advances. GloverF. KochenbergerG.Handbook of Metaheuristics. Kluwer Academic Publishers, Norwell, MA. 251-285.

    Dorigo, M. Stützle, T. 2004.  Ant Colony Optimization.London. MIT Press,

    Dorigo,  M. Maniezzo, V. Colorni, A. 1996. Ant System: Optimization by a Colony of Cooperating Agents1. IIEEE Transactions on systems, man, and cybernetics-part B cybernetics.

    Drezner, Z. 1995.  Facility location: a survey of applications and methods. the University of Michigan.571.

    Fox, B. Xiang, W. LeeHeow, P. 2006. Industrial applications of the ant colony optimization algorithm.london,Springer;advanced manufacturing technology.

    Fallahi,  A. 2005.  Bam earthquake reconstruction assessment: An interdisciplinary analytical study on the risk preparedness of Bam and its cultural landscape: a World Heritage property in danger.Structural Survey.

    Gahegan, M. 1999. Guest Editorial: What is Geocomputation?, Transactions in GIS,Vol;3. pages 203–206.

    Goss,  S.  Aron ,  S.  Deneubourg ,  J.  Pasteels J. J . 1989.  Self-organized shortcuts in the argentine ant. Naturwissenschaften,579–581.

    Gutjahr, W. J. 2007. Mathematical runtime analysis of ACO algorithms: survey on an emerging issue. Swarm intelligence.

    Hodgson, M. E. Kar,B. 2007.  A GIS-Based Model to Determine Site Suitability of Emergency Evacuation shelter. Transactions in GIS.Vol:12.

    HANSEN, P. MLADENOVIC, N. 1997. Variable neighborhood search for the p-median.Location Science.Vol:5. 207-226.

    Isdr,  2009. Hospitals safe from disaster.

    Jamshidi, M. 2009. Median Location Problem in facility location.Facility Location Concepts, Models, Algorithms and Case Studies.Physica-Verlag.

    Johnson,  R. 2000. Gis technology for disaster and emergency managment.Esri white paper

    Jones,  E.M. 1999. Earthquake impacts on th urban systems.

    Kariv,  O. Hakimi,  S. 1979. An algorithmic approach to network location problems. Part 1: The p-centers.SIAM Journal Applied Mathematics.3. 513-538.

    Kieferr, W.  Robbins, M.L. 1973.  Computer-based land use suitability maps.Journal of the Surveying and Mapping,  Division-ASCE.39-62.

    Kumar, S. Bentley, P.J. 2003. On Growth, Form and Computers..London,Academic Press.

    Korte, G.  2001. The GIS book.5th edition,Cengage Learning. pp 387

    Lee,  J.  Bharosa, N.  Yang, J.  Janssen, M.  Rao, H.R. 2010.  Group value and intention to use - A study of multi-agency disaster management information systems for public safety. Decision Support Systems.

    Linayang, X. Tianhe, C. 2011.  Hybrid Ant Colony Optimization algorithm with local search strategies to solve single source capacitated facility location problem.American Journal of Engineering and Technology Research.Vol:11.

    Liu, X.  Li, X.Shi, X. Huang, K. Liu, Y. 2011. A multi-type ant colony optimization (MACO) method for optimal land use allocation in large areas.London,International Journal of Geographical Information Science.

    Li, X. 2011. Concepts, methodologies, and tools of an integrated geographical simulation and optimization system.International Journal of Geographical Information Science.Vol:25.

    Li, X. Gar, A. Yeh, O. 2007. Integration of genetic algorithms and GIS for optimal location search. International Journal of Geographical Information Science.Vol:19.

    Li, X. He, J. Liu, X. 2009. Intelligent GIS for solving high‐dimensional site selection problems using ant colony optimization techniques.International Journal of Geographical Information Science.Vol:23.

    Li, Y. 2009. Sites selection of ATMs based on Particle Swarm Optimization.International Conference on Information Technology and Computer Science.

    Mousa, A. Abd El-Wahed, W.F. Rizk-Allah R.M.A.  2012. Hybrid ant colony optimization approach based local search scheme for multiobjective design optimizations.Industrial Control and Electronics Engineering.

    Murray, A. 2003. Site placement uncertainty in location analysis.Computers, Environment and Urban Systems.Vol:27

    Murray, A. 2010. Advances in location modeling:GIS linkage andcontributaions.Geographical Systems.335-354. Vol:12.

    NAN, L. 2004. Using GIS and ANT algorithm for multi-objective siting of  emergency facilities.M.sc thesis.National University of  Singapore.

    Nayak,  S. Zlatanova,  S. 2008.  Remote Sensing and GIS Technologies for Monitoring and Prediction of Disasters (Environmental Science and Engineering / Environmental Science).Springer; 1 edition.

    Papadimitroiu, C. HSteiglitz, K. 1998. Combinatorial optimization, algorithms and complexity.New York,Dover publication,.

    Ren, Y. 2011. Metaheuristics for multiobjective capacitated location allocation on logistics networks.M.sc thesis.Montreal,Concordia University.

    RICE, M.N. 2005.A new hybrid computational intelligence algorithm for optimized vehicle routing applications in geographic information systems.Athene.

    Saadatseresht, M. Mansorian, A. Taleai, M. 2009. Evacuation planning using multiobjective evolutionary optimization approach.European Journal of Operational Research.Vol:198.

    Shamsol,  A. 2011. Location Allocation problem using genetic algoruthm and simulated anealing: a case study based on school.Enschede- M.sc thesis,university of Twente.

    Star, J. Estes, J. 1990. Geographical information systems: An Introduction.Englewoods Cliffs,Prentice Hall.

    Talbi, El-Ghazali. 2009.Metaheuristics: From Design to Impelementation. John Wiley and Sons .

    Tai, C.A.  Lee, Y. Lung,  L. Ching, Y.  Ishii,  H. 2010. An Earthquake Evacuation Shelter Feasibility Analysis Applying with GIS Model Builder. Computers and Industrial Engineering (CIE).

    Tsai, C.-Hung ChiangW. Ling, L.Meng, L. 2007. Application of geographic information system to the allocation of disaster shelters via fuzzy models.,Engineering Computations.

    Vozenilek, V. 2009. Artificial Intelligence and GIS: Mutual Meeting and Passing.International Conference on Intelligent Networking and Collaborative Systems,(Pages 279-284).

    XU1, W. OKADA, N.  HATAYAMA, M. TAKEUCHI, Y. 2008. A Model Analysis Approach for Reassessment of the Public Shelter Plan Focusing both on Accessibility and Accommodation Capacity for Residents - Case Study of Nagata Ward in Kobe City, Japan.Journal of Natural Disaster Science.Vol:28,85-90.

    Yaghini, M. Akhavan, R. 2009. A design and implementation methodology for metaheuristic algorithms-a perspective from software development. International Journal of Applied Metaheuristic Computing.Vol:1

    Zavala, P. Chuvieco, E. Analysis of seismic vulnerability using remote sensing and GIS techniques.  Int. J. of Emergency Management.Vol:1.

    Deneubourg,  J.L.  1990. The self-organizing exploratory pattern of the argentine ant.,Journal of Insect Behaviour,159–168.

    The Sphere Project.  2011.Humanitarian Charter and Minimum Standards in Humanitarian Response. United Kingdom,The Sphere Project,

    Gutin, G. Punnen, A.P. 2002. The traveling salesman problem and its variations. A. P,Kluwer Academic,.Combinatorial Optimization.Vol:12

    Marler, R. Timothy, A. 2010.  The weighted sum method for multi-objective optimization: new insights.Structural and Multidisciplinary Optimization.Vol:41.

    Xian, H. Yunlin, L.X. 2009. Ant Colony Optimization for Facility Location for Large-Scale Emergencies.International Conference on Management and Service Science .Vol:2

    .


موضوع پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), نمونه پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), جستجوی پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), فایل Word پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), دانلود پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), فایل PDF پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), تحقیق در مورد پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), مقاله در مورد پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), پروژه در مورد پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), پروپوزال در مورد پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), تز دکترا در مورد پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), تحقیقات دانشجویی درباره پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), مقالات دانشجویی درباره پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), پروژه درباره پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), گزارش سمینار در مورد پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), پروژه دانشجویی در مورد پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), تحقیق دانش آموزی در مورد پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), مقاله دانش آموزی در مورد پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان), رساله دکترا در مورد پایان نامه پیاده سازی الگوریتم بهینه سازی کلونی مورچه (ACO) در مکان یابی پناهگاه های اسکان موقت بعد از زلزله(مطالعه موردیشهر کرمان)

پایان نامه کارشناسی ارشد رشته مهندسی کامپیوتر گرایش: نرم افزار چکیده ﺍﻣﺮﻭﺯﻩ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯﺷﺒﮑﻪ­ های ﺳﻨسور ﺑﻲ­ﺳﻴﻢ (Wireless Sensor Network) ﺑﻪ ﺷﮑﻞﮔﺴﺘﺮﺩﻩ­ﺍی ﺭﻭ ﺑﻪ ااست. ﺑﻪ ﻋﻠﺖ ﺍﺳﺘﻔﺎﺩﻩ ﻏﺎﻟﺐ ﺍﺯ ﺑﺎﻃﺮی ﺑﺮﺍی ﺗﺎﻣﻴﻦ ﺍﻧﺮﮊی ﻣﺼﺮﻓﻲ ﺍﻳﻦ ﺳﻨﺴﻮﺭﻫﺎ ﻭ ﻫﻤﭽﻨﻴﻦ ﻋﺪﻡ ﺩﺳﺘﺮﺳﻲ ﺁﺳﺎﻥ ﺑﻪ ﺳﻨﺴﻮﺭﻫﺎ ﺩﺭ ﺑﺴﻴﺎﺭی ﺍﺯ ﺍﻳﻦ ﮐﺎﺭﺑﺮﺩﻫﺎ، ﻣﻬﻨﺪﺳﺎﻥ ﻭ ﻣﺤﻘﻘﺎﻥ ﺑﻪ ﺳﻤﺖ ﻃﺮﺍﺣﻲ پروتکل­ ﻫﺎی ﻣﺴﻴﺮﻳﺎﺑﻲ ﺑﺎ خصوصیات انرژی مصرفی کم و افزایش طول ...

پایان نامه جهت اخذ درجه کارشناسی ارشدM .Sc رشته جغرافیا و برنامه ریزی روستایی چکیده اهمیت مسائل و موضوعات گوناگون روستاییان و سکونتگاه های روستایی ازجمله مسئله جابجایی روستاها برای کشور پهناوری چون ایران با تنوع ویژگی های طبیعی (اقلیم ، توپوگرافی ) و تفاوتهای اجتماعی ، فرهنگی و قومی همراه با تعداد زیاد سکونتگاههای روستایی کم جمعیت و پراکنده بسیار مهم است . سکونتگاههای روستایی به ...

پایان‌نامه­ی کارشناسی ارشد رشته­ ی جغرافیا گرایش برنامه‌ریزی شهری چکیده بحران‌های شهری جزء لاینفک بحث مدیریت شهری است و این موضوع در کلان‌ شهر ها شکل بسیار پیچیده‌تری به خود می‌گیرد، با توجه به جمعیت زیاد و روبه رشد کلان‌شهر اصفهان و استقرار آن در زون سنندج- سیرجان، وقوع یک زلزله بزرگ یا سایر بلایای طبیعی و انسانی بسیار حائز اهمیت خواهد بود. بنابراین لازم است که به طور جدی به ...

پایان نامه تحصیلی جهت اخذ درجه کارشناسی ارشد «M.A » رشته جغرافیا – گرایش اقلیم شناسی چکیده هر کار تحقیقی قطعاً در پی یافتن مشکلی در جامعه صورت می گیرد. زمانی که مسأله در جامعه ای به حدی برسد، انسان احساس می کند باید در پی یافتن راه حلی باشد و به همین سبب به تحقیق و پژوهش می پردازد. جابجایی انسانها بدلایل پیچیدگی زندگی روزمره و اشتغال افراد و گذران اوقات فراقت از ارکان مهم زندگی ...

پایان نامه کارشناسی ارشد رشته سنجش از دور و سیستم اطلاعات جغرافیایی((M. Sc. گرایش: شهری روستایی چکیده با توجه به رشد جمعیت امروزه انبوه سازی وشهرک سازی یک نیاز مبرم است. مکانیابی و تخصیص زمین آن به عنوان یک رکن اصلی به شمار می رود که این امر در اکثر موارد بصورت سنتی و آزمون وخطا انجام شده است. در مکانیابی مناسبترین زمین برای شهرک سازی معیارهای زیادی مانند مقدار شیب زمین، جهت ...

پایان نامه برای دریافت درجه کارشناسی ارشد جغرافیا و برنامه ریزی شهری چکیده یکی از موضوعاتی که بیشتر شهرهای جهان با آن دست به گریبان هستند، حوادث طبیعی است. با توجه به ماهیت غیرمترقبه بودن غالب حوادث طبیعی و لزوم اتخاذ سریع وصحیح تصمیم ها و اجرای عملیات، مبانی نظری و بنیادی، دانشی راتحت عنوان مدیریت بحران به وجود آورده است. یکی از اقداماتی که جهت مدیریت بحران صورت می گیرد ...

پایان نامه دکتری رشته ی جغرافیا گرایش برنامه ریزی شهری چکیده ایران یکی از زلزله‌ خیزترین کشورهای دنیا محسوب می‌شود و شهرهای آن در رابطه با این پدیده طبیعی آسیب‌های فراوان دیده‌اند. ایران به سبب موقعیت جغرافیایی خود همواره در معرض انواع سوانح طبیعی می‌باشد که هر از گاهی بخشهای مختلفی از آن را تحت تأثیر قرار داده و اثرات زیان‌باری به جای می‌گذارد. واقع شدن ایران بر روی کمربند ...

پایان نامه برای دریافت درجه کارشناسی ارشد «M.A» رشته: جغرافیا و برنامه ریزی شهری چکیده: امروزه با گسترش شهرها و رشد آهنگ شهر نشینی ، همچنین افزایش مشکلات و معضلات ناشی از این فرایند و اهمیت یافتن مدیریت یکپارچه و توسعه متوازن، همه جانبه و پایدار شهر، بحث بهسازی زیر ساخت های موجود شهری بیش از پیش قوت یافته است.در این راستا بهسازی شبکه معابر شهری و همچنین شبکه فاضلاب شهری به عنوان ...

پايان نامه کارشناسي ارشد رشته اقتصاد گرايش اقتصاد اسلامي بهمن ماه 1393 چکيده بافت­هاي فرسوده  و ناکارآمد شهري، مناطقي از شهر است که در طي ساليان گذشته عناصر تشکيل دهنده آن اعم از تأ

پایان‌نامه جهت اخذ درجه کارشناسی ارشد (M.A.) رشته :جغرافیا و برنامه ریزی شهری چکیده طرح باززنده سازی یا طرح مرمتی شهر در واقع ایفا کننده ی این وظیفه است که به اتکاء شناخت روند زندگی شهر، راه توسعه ی پدیده های موجود را برای تداوم زندگی مردمان شهر پیش بینی کند. به عبارت دیگر، طرح باززنده سازی شهری - در شرایط موجود و تجارب معمول تر- به کمک روند تکاملی تاریخ شهر می آید. اگر شناخت ...

ثبت سفارش