مدیریت شهری

«بررسی وضعیت مالیه شهرداری های کشور نشان می دهد که در زمان حاضر اغلب آنها با کسر بودجه رو به رو هستند. در چنین شرایطی برای جبران کسری های مزمن، اندیشیدن به راهکارهای کاهش هزینه ها و ارتقاء درآمدها و جست و جو برای شناسایی منابع درآمدی جدید ضرورت دارد.

۵۷۰.

ساخت شهر دارای دسترسی برای معلولان

نویسنده: کیومرث جهانگردی

منبع: شهرداریها سال هشتم شهریور ۱۳۸۶ شماره ۸۲

حوزه‌های تخصصی:

حوزه‌های تخصصی مدیریت مدیریت دولتی مدیریت شهری جامعه شناسی شهری و آسیب شناسی شهری

تعداد بازدید : ۱۳۹۱ تعداد دانلود : ۷۷۵

۵۷۱.

بحران آب در ایران ، جهان و توسعه پایدار

نویسنده: زرین احمد زاده

منبع: شهرداریها سال نهم مرداد ۱۳۸۷ شماره ۹۰

حوزه‌های تخصصی:

تعداد بازدید : ۱۳۹۰ تعداد دانلود : ۹۲۳

۵۷۲.

هشدار به اهالی تهران و مسؤولان امور شهری: تهران، روی فاضلاب! زنگ خطر به صدا درآمده است!

منبع: گزارش آذر ۱۳۷۲ شماره ۳۳ و ۳۴

حوزه‌های تخصصی:

حوزه‌های تخصصی مدیریت مدیریت دولتی مدیریت شهری مدیریت پسماندها

تعداد بازدید : ۱۳۹۰ تعداد دانلود : ۵۷۱

۵۷۳.

تخمین قیمت مسکن شهر اهواز با استفاده از شبکه عصبی(مقاله علمی وزارت علوم)

نویسنده: سعید امان پور اسماعیل سلیمانی راد لیلا کشتکار صادق مختاری چلچه

منبع: اقتصاد و مدیریت شهری سال سوم زمستان ۱۳۹۳ شماره ۹

حوزه‌های تخصصی:

تعداد بازدید : ۱۳۸۹ تعداد دانلود : ۸۴۶

در بعد اقتصادی هر جامعه، مسکن همواره یک نیاز اساسی است. از این رو، تحولات بخش مسکن، تأثیر فراوانی بر سایر بخش های اقتصاد دارند؛ بنابراین یکی از نیازهای قابل توجه دولت ها در امر مسکن، پیش بینی دقیق قیمت مسکن و تعیین عوامل تأثیرگذار بر قیمت این کالا است. پژوهش حاضر، با هدف تخمین قیمت مسکن و تعیین عوامل تأثیرگذار بر آن در شهر اهواز، بررسی نسبتاً کاملی از عملکرد شبکه عصبی (مدل پرسپترون چند لایه) در پیش بینی قیمت مسکن انجام داده است. ماهیت تحقیق، توسعه ای-کاربردی و روش انجام آن، توصیفی- تحلیلی می باشد. در این پژوهش، 233 نمونه واحد آماری در سال 1392 براساس 16 متغیر مربوطه به منظور تخمین قیمت مسکن، مورد ارزیابی قرار گرفته است. از این رو برای ایجاد شبکه عصبی مصنوعی، از نرم افزار MATLAB بهره گرفته شد و در نهایت، شبکه ای با یک لایه پنهان و 12 نرون، استفاده شد. همچنین به منظور تعیین میزان تأثیرگذاری عوامل گوناگون بر قیمت این کالا، از روش رگرسیون خطی گام به گام، بهره گرفته شده است. نتایج به دست آمده، نشان دهنده دقت 91 درصدی شبکه عصبی در تخمین قیمت واحد مسکونی شهر اهواز است. همچنین از بین عوامل تأثیرگذار بر قیمت مسکن در این شهر، زیربنای ساختمان (متراژ) و دسترسی، بیشترین سهم را به خود اختصاص داده اند. با توجه به تأثیر بسزای شاخص متراژ زمین و دسترسی، لازم است در برنامه ریزی های ساخت و ساز مسکن، به این عوامل، بیش از سایر عوامل، اهمیت داده شود.

۵۷۴.