<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>انتشارات دانشگاه تهران- University of Tehran Press</PublisherName>
				<JournalTitle>نشریه محیط زیست طبیعی</JournalTitle>
				<Issn>2008-7764</Issn>
				<Volume>72</Volume>
				<Issue>2</Issue>
				<PubDate PubStatus="epublish">
					<Year>2019</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Prediction model of citizens&#039; satisfaction in urban parks using artificial neural network</ArticleTitle>
<VernacularTitle>مدل پیش‌بینی رضایتمندی شهروندان از بوستان‌های شهری با استفاده از شبکه عصبی مصنوعی</VernacularTitle>
			<FirstPage>239</FirstPage>
			<LastPage>250</LastPage>
			<ELocationID EIdType="pii">71410</ELocationID>
			
<ELocationID EIdType="doi">10.22059/jne.2019.267929.1572</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>ریحانه</FirstName>
					<LastName>خالق پناه</LastName>
<Affiliation>دانشجوی کارشناسی‌ارشد ارزیابی محیط‌زیست، دانشکده محیط‌زیست، کرج</Affiliation>

</Author>
<Author>
					<FirstName>علی</FirstName>
					<LastName>جهانی</LastName>
<Affiliation>هیات علمی گروه محیط‌زیست طبیعی و تنوع زیستی، دانشکده محیط‌زیست، کرج</Affiliation>
<Identifier Source="ORCID">0000-0003-4965-3291</Identifier>

</Author>
<Author>
					<FirstName>نعمت الله</FirstName>
					<LastName>خراسانی</LastName>
<Affiliation>هیات علمی گروه محیط‌زیست، دانشکده منابع‌طبیعی، دانشگاه تهران</Affiliation>
<Identifier Source="ORCID">0000-0002-5340-0177</Identifier>

</Author>
<Author>
					<FirstName>حمید</FirstName>
					<LastName>گشتاسب</LastName>
<Affiliation>هیات علمی گروه محیط‌زیست طبیعی و تنوع زیستی، دانشکده محیط‌زیست، کرج</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2018</Year>
					<Month>10</Month>
					<Day>27</Day>
				</PubDate>
			</History>
		<Abstract>Parks and green spaces are one of the most important elements of cities. The design and function of urban parks should be in line with the requirements of urban life and in response to the needs of citizens, as this can be used to create a healthy urban environment. The purpose of this research is to model the satisfaction of urban parks visitors using the artificial neural network. In this study, a multi-layer perceptron network was used to process the data with the intelligent neural network tool. First, 103 urban parks were selected in Karaj and Tehran, and information about regional, service and aesthetic variables was collected in all parks. Then, the collected data was considered as network input and the results of satisfaction level assessment as network output. The value of determination coefficient (R2) in this study was 0.72 which indicates the suitability of artificial neural network for satisfaction modeling in urban parks. The results of sensitivity analysis showed that variables of landscape quality, number of sports fields, food centers, and barbeque have had the most impact on satisfaction of urban parks. Therefore, in planning and managing public places such as urban green spaces, consideration of users&#039; perceptions of the environment should be highlighted.</Abstract>
			<OtherAbstract Language="FA">یکی از مهم‌ترین عناصر شهرها، بوستان‌ها و فضاهای سبز شهری‌ هستند. نوع طراحی و عملکرد بوستان‌های شهری باید در راستای ضروریات زندگی شهری و در پاسخگویی به نیاز شهروندان باشد چرا که این امر می‌تواند در جهت ایجاد محیط زیست سالم و با ارزش شهری نیز به کار گرفته شود. هدف از انجام این پژوهش مدل‌سازی ارزیابی رضایتمندی بازدیدکنندگان از بوستان‌های شهری با استفاده از شبکه عصبی مصنوعی است. در انجام این پژوهش به منظور پردازش داده‌ها با ابزار هوشمند شبکه عصبی، از شبکه پرسپترون چند لایه استفاده شد. ابتدا 103 بوستان شهری در کرج و تهران انتخاب گردید و اطلاعات مربوط به متغیرهای منطقه‌ای، خدماتی و زیبایی‌شناختی در کلیه بوستان‌ها جمع‌آوری گردید. سپس اطلاعات جمع‌آوری شده به عنوان ورودی شبکه و نتایج حاصل از ارزیابی سطح رضایتمندی به عنوان خروجی شبکه در نظر گرفته شد. مقدار ضریب تعیین (R2) در این پژوهش 72/0 بدست آمد که نشان دهنده قابلیت مناسب شبکه عصبی مصنوعی در مدل‌سازی رضایتمندی از بوستان‌های شهری است. نتایج حاصل از آنالیز حساسیت نشان داد متغیرهای کیفیت منظر، تعداد زمین‌های ورزشی، مراکز فروش مواد غذایی، باربیکیو دارای بیشترین اثرگذاری بر روی رضایتمندی از بوستان‌های شهری بوده‌اند. لذا در برنامه‌ریزی و مدیریت اماکن عمومی همچون فضاهای سبز شهری، توجه به درک کاربران از محیط باید در الویت قرار گیرد.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">رضایتمندی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بوستان‌های شهری</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شبکه عصبی مصنوعی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">آنالیز حساسیت</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://jne.ut.ac.ir/article_71410_296a4a440e3b55ea2556f652bb30dc98.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
