سابقه و هدف: ارزیابی بار معلق رسوبی رودخانه ها بسیار مهم است. کیفیت آب رودخانه ها و محیط زیست تحت تأثیر بار رسوب می باشد. همچنین طراحی سازه های هیدرولیکی و سایر تأسیسات آبرسانی، مدیریت حوزه آبخیز و اجرای برنامه های حفاظت خاک و مشکلات عمده ی دیگر ناشی از آورد رسوب رودخانه ها به تخمین صحیح بار رسوب وابسته است. از آنجایی که برآورد مستقیم بار رسوبی بسیار دشوار و وقت گیر است، لذا این امر سبب شد محققان به برآورد غیرمستقیم بار رسوبی که به روش های گوناگون امکان پذیر است روی آورند. یکی از راه های آسان برآورد غیرمستقیم بار رسوبی، منحنی سنجه رسوب است. این روش تنها می تواند معرف یک مقدار رسوب در یک دبی معین باشد و به علت عوامل مختلفی در طبیعت ممکن است چندین مقدار بار رسوبی برای یک دبی مشخص وجود داشته باشد. بر این اساس در پژوهش حاضر از روش های رگرسیون چندک و جنگل تصادفی که بتوانند مقدار بار رسوب را برای یک مقدار دبی معین در احتمالات مختلف تخمین بزنند استفاده شد. با به کار گیری این دو روش می توان احتمال وقوع بار رسوب در رویدادهای استثایی و سیلاب های عظیم را تحلیل کرد. مواد و روش ها: در این پژوهش از مدل های منحنی سنجه رسوب، رگرسیون چندک و جنگل تصادفی به منظور برآورد بار رسوب چهار ایستگاه جنگلده، نوده، ارازکوسه و قزاقلی واقع در رودخانه ی گرگانرود در استان گلستان استفاده گردید. به این منظور داده های دبی-رسوب متناظر چهار ایستگاه مورد مطالعه به دو بخش 75% برای آموزش و 25% برای آزمون تفکیک شدند. در روش منحنی سنجه، مقدار رسوب با استفاده از معادله ی توانی برازش داده شده بین دبی و رسوب متناظر، حاصل گردید. الگوریتم های رگرسیون چندک و جنگل تصادفی با استفاده از نرم افزار آماری R اجرا گردیدند. مقدار بهینه پارامترهای متغیر این دو روش با استفاده از آزمون و خطا تعیین شد. با اجرای مدل، مقدار رسوب مربوط به یک دبی در سطوح احتمال مختلف (1% تا 99%) محاسبه شد. یافته ها: با به کارگیری این دو روش، بار رسوبی در چندک های 5/2، 50 و 5/97% تعیین و دامنه عدم قطعیت در هر ایستگاه مشخص شد. روش جنگل تصادفی در ایستگاه های جنگلده و نوده با مقدار RMSE به ترتیب برابر 96 و 210 تن بر روز و رگرسیون چندک در ایستگاه های ارازکوسه و قزاقلی با مقدار RMSE به ترتیب 6453 و 24886 تن بر روز به عنوان بهترین روش برآورد بار رسوبی انتخاب شدند. مقدار معیار ارزیابی RMSE رسوب برآورد شده توسط منحنی سنجه رسوب کلاسیک در ایستگاه های جنگلده، نوده، ارازکوسه و قزاقلی به ترتیب برابر 199، 288، 7505 و 25811 تن بر روز به دست آمد. نتیجه گیری: نتایج نشان داد منحنی سنجه رسوب کلاسیک علاوه بر اینکه قادر به برآورد بار رسوبی در دامنه ی عدم قطعیت های مختلف برای یک مقدار دبی معین نیست، بار رسوبی را نیز با مقدار خطای بیشتری برآورد می کند. با استفاده از روش های رگرسیون چندک و جنگل تصادفی برای یک دبی معین مقدار رسوب در احتمالات مختلف قابل پیش بینی است و این امر کمک زیادی به برنامه ریزی صحیح و جامع برای ساخت سازه های آبی می کند و از این طریق، خطرات تخریب این تأسیسات را که ناشی از سیلاب های عظیم می باشد کاهش می دهد.

پیش بینی دقیق زمان سفر یکی از مسائل مهم در حوزه ترافیک و حمل و نقل است که می تواند به طور قابل توجهی بر زندگی روزمره افراد و سازمان ها تاثیر بگذارد. در این پژوهش، چهار روش مختلف یادگیری ماشین شامل رگرسیون خطی (LR)، رگرسیون چندمتغیره (MR)، رگرسیون جنگل تصادفی (RDR) و شبکه عصبی مصنوعی عمیق (DNN) برای پیش بینی زمان سفر آموزش داده شدند. هدف از این پژوهش پیش­بینی زمان سفر جهت استفاده در سیستم ­های ترافیک هوشمند است و بهره ­گیری و مقایسه چندین روش جدید شامل شبکه عصبی عمیق و رگرسیون جنگل تصادفی و همچنین دخیل نمودن پارامترهای جدید مانند وضعیت بارش، نرم جریان ترافیک، زمان و همچنین تصادفات و نقاط قفل ترافیکی نسبت به پژوهش ­های دیگر، نوآوری و جامعیت این پژوهش نسبت با سایر مطالعات می باشد. در طراحی و اجرای این پژوهش از داده های واقعی ترافیک برگرفته از Google map استفاده و آنالیز گردید. این داده ­ها شامل اطلاعاتی از جمله شرایط ترافیک، فصل سال، ساعت روز، وضعیت بارش جوی و ویژگی های مسیر می باشد. نتایج این پژوهش نشان می دهد که مدل DNN  با R2 برابر با 0.833 عملکرد خیلی خوبی را در بین مدل های مورد بررسی دارد. این مدل 0.833% واریانس داده ها را توضیح می دهد و توزیع باقیمانده ها در آن به طور نسبی مرکزی با میانگین صفر و توزیعی نزدیک به نرمال است. مدل رگرسیون خطی با R2 برابر با 0.615 عملکرد ضعیف تری نسبت به DNN دارد و 0.615% از واریانس داده ها را توضیح می دهد. و اما مدل رگرسیون جنگل تصادفی با R2 برابر با 0.955 در رقابت با DNN یکی از بهترین عملکردها را دارد و 0.955% از واریانس داده ها را توضیح می دهد. پارامترهای MSE و RMSE نیز جهت ارزیابی عملکرد مدل ­ها استفاده شدند و نهایتا مقایسه چندبعدی بین مدل­ ها صورت گرفت و مدل جنگل تصادفی کمترین مقادیر خطا را نتیجه داد. از آنجائی که در داده ­های ترافیکی جمع ­آوری شده، حوادث رانندگی و تبعا نقاط قفل ترافیکی در مدل ها نیز استفاده شده، و با لحاظ اینکه مدل رگرسیون جنگل تصادفی با وجود نویز و آنومالی نیز به طور موثرتری با داده ها تطبیق یافته می ­یابند، مقدار R2 این مدل، از شبکه­ های عصبی عمیق بدلیل داشتن ذات بیش ­پردازشی، بالاتر حاصل شده است.

ارزیابی دقیق زیتوده روی زمینی جنگل برای مطالعات میزان گازهای گلخانه‎ای، برآورد کربن ذخیره شده در منابع جنگلی، مدل‎های تغییر آب‎و‎هوا و در نتیجه مدیریت پایدار جنگل‎ها امری ضروری است. زیتوده جنگل بیانگر توان تولید در واحد سطح می‎باشد. در این پژوهش از داده‎های تصاویر نوری ماهواره سنتینل-2 برای برآورد زیتوده روی زمینی جنگل در سطح 285 هکتار‎‎‎‎ از جنگل‎های استان ایلام استفاده شد. 124 قطعه نمونه مربعی شکل به ابعاد 20 در 20 متر به روش خوشه‎ای روی زمین پیاده شد. مشخصه‎های قطر بزرگ و قطر کوچک تاج مجموع 508 پایه درختی (تک پایه و جست گروه) در قطعات نمونه اندازه‎‎گیری شدند. بسته به تک پایه و جست گروه بودن پایه‎های درختی از معادلات آلومتریک مناسب برای محاسبه زیتوده روی زمینی بر اساس مشخصه‎های اندازه‎گیری شده استفاده شد. در نهایت مجموع زیتوده روی زمینی جنگل برای همه پایه‎های درختی موجود در هر قطعه نمونه محاسبه شد. با استفاده از نسبت‎گیری‎های طیفی، شاخص‎های گیاهی مرتبط با پوشش‎گیاهی از باندهای سنجنده MSI ماهواره سنتینل 2 تهیه شدند. در گام بعد ارزش‎های طیفی متناظر قطعات نمونه از باندهای اصلی و شاخص‎های گیاهی استخراج شدند. از مدل رگرسیون جنگل تصادفی برای برآورد زیتوده روی زمینی جنگل استفاده شد. از 70 درصد نمونه‎ها برای آموزش مدل استفاده شد و اعتبارسنجی مدل با استفاده از 30 درصد باقیمانده داده‎ها انجام شد. نتایج حاصل با میزان 80/0R2= 70/28 RMSE= تن در هکتار نشان از عملکرد قابل قبول مدل در برآورد زیتوده روی زمینی جنگل بود. نتایج بررسی میزان اهمیت‎ متغیرها با استفاده از آماره جینی نشان داد که شاخص‎های RVI، GNDVI، NDVI و DVI اهمیت بیشتری در ارائه مدل برآورد زیتوده داشتند.

تنوع زیستی از ویژگی های ساختاری مهم در اکوسیستم های جنگلی پویا و پیچیده است. یکی از چالش برانگیزترین و مهمترین موضوعات در ارزیابی ساختار اکوسیستم جنگل، درک رابطه بین تنوع زیستی و عوامل محیطی است. جنگل های هیرکانی دارای تنوع زیستی قابل توجهی در سطح جهانی بوده و از ویژگی های خاص و منحصر به فرد برخوردار هستند که باعث تاکید و حساسیت بر حافظت از تنوع زیستی در این جنگلها شده است. هدف از این مطالعه بررسی تأثیر عوامل زنده و غیر زنده بر تنوع و غنای گونه ای درختی در جنگل های هیرکانی از غرب استان گیلان تا شرق استان گلستان می باشد. برای این منظور و جهت رسیدن به این هدف با استفاده از 655 قطعه نمونه ثابت (1/0 هکتاری) تنوع درختان را در سه استان شمالی کشور از شرق تا غرب دریای خزر مورد تجزیه و تحلیل قرار گرفت. ترکیبی از روشهای ناپارامتریک شامل، جنگل تصادفی (RF) و ماشین بردار تصمیم گیری (SVM) و مدلهای رگرسیون خطی برای مدل سازی و بررسی رابطه بین تنوع درخت و عوامل زنده و غیر زنده مورد استفاده قرار گرفت. متغیرهای زنده و غیر زنده به ترتیب شامل تعداد درختان در هکتار، قطر برابر سینه، سطح مقطع برابر سینه قطورترین درختان (BAL)، شیب، جهت و ارتفاع از سطح دریا بود. آماره های ارزیابی شامل ضریب تعیین، خطایRMSE نشان داد مدل جنگل تصادفی در بین مدلهای ارایه شده، بهترین مدل برای تعیین رابطه تنوع زیستی و عوامل محیطی بود و از دقت مناسبی برای تعیین تغییرات تنوع زیستی در سطح جنگلهای شمال کشور برخوردار است.

شور شدن خاک یکی از تهدیدات مهم جهان کنونی است که با تشدید فرآیند بیابان زایی و تخریب زمین ارمغانی جز کاهش بهره وری خاک نخواهد داشت. از آنجا که تجزیه و تحلیل آزمایشگاهی این پارامتر، عموما وقت گیر و در مقیاس های وسیع هزینه بر است، تلاش های بسیاری برای مطالعه شوری با استفاده از روش سنجش از دور صورت گرفته است. در این راستا، مطالعه حاضر نیز به بررسی توان سنجش از دور در پیش بینی شوری سطحی خاک در شرق شهرستان لنجان پرداخته است. نقاط مرجع شوری با استفاده از تحلیل 50 نمونه خاک سطحی برداشت شده به روش تصادفی مشخص گردید. شاخص های ماهواره ای شامل DVI، NDVI، EVI، MSAVI، SAVI، RVI، NDWI، SI1، SI2، SI3 و SBI از تصویر ماهواره ی لندست-8 (ردیف و گذر 164 و 37) برداشت شده در تاریخ 13 آبان 1398 استخراج گردید و به همراه سه شاخص توپوگرافیکی ارتفاع، شیب و شاخص رطوبت توپوگرافیکی (TWI) به مدل رگرسیون خطی چندگانه و جنگل تصادفی معرفی شد. مدل رگرسیون خطی با استفاده از باند 6، RVI، NDVI، ارتفاع و TWI و مقدار p-value برابر با 049/0 تولید گردید. در مدل جنگل تصادفی نیز باند 7، شیب، باند 5 و ارتفاع از جمله مهمترین پارامترهای تاثیرگذار بودند. مقدار r2 این مدل نیز برابر با 21/0 بدست آمد. نتایج این تحقیق نشان داد که شاخص های توپوگرافیکی نیز از اهمیت بالایی در پیش بینی شوری برخوردار هستند. همچنین مقایسه نظیر به نظیر نتایج نشان داد که جنگل تصادفی از دقت بالاتری نسبت به مدل رگرسیون برای تعیین شوری در منطقه مورد مطالعه برخوردار است.

زمینه و هدف: خاک از منابع طبیعی هر کشور است که در حفظ محیط و تولید غذا نقش مهمی دارد. افزایش و کاهش مقدار نیتروژن کل خاک در اثر شیوه های مختلف کشاورزی، ورود پساب صنعتی به آب و عوامل دیگر، منجر به آلودگی میکروبی خاک، کاهش پوشش گیاهی و نقصان در محصولات کشاورزی مورد نیاز انسان می شود. نقشه برداری پراکنش مواد مغذی خاک به تصمیم گیری های مدیران کمک می کند. از آنجا که تحلیل آزمایشگاهی این متغیرها، وقت گیر و در مقیاس های وسیع هزینه بر است، تلاش هایی برای مطالعه نیتروژن خاک با استفاده از سنجش ازدور انجام گرفته است. مطالعه حاضر به بررسی روش سنجش از دور و مدل های رگرسیون و جنگل تصادفی در پیش بینی نیتروژن کل خاک در شرق شهرستان لنجان پرداخته است. روش پژوهش: نقاط مرجع نیتروژن 50 نمونه خاک از لایه 0-20 سانتی متری خاک سطحی بود که از منطقه موردمطالعه به روش تصادفی نمونه برداری شد. نیتروژن نمونه ها پس از خشک شدن در دمای 25 درجه، عبور از مش 2 و انتقال به آزمایشگاه، به منظور مقایسه نتایج نهایی به دست آمده، حاصل از ارزیابی زمینی و سنجش از دور، به روش کلدال اندازه گیری شد. تصویر ماهواره ای سال 2019 با تصحیح هندسی و رادیومتریک از باندهای طیفی 2 تا 7 سنجنده ی OLI لندست 8 (ردیف و گذر 164 و 37) آبان 1398 تهیه شد. پوشش ابر برای تصاویر تهیه شده کمتر از 10٪ در نظر گرفته شد. برای کاهش اثر پراکندگی اتمسفر بر کیفیت این تصاویر، تصحیح تابش و تصحیح اتمسفر با استفاده از مدل فلش انجام شد. شاخص های ماهواره ای شامل DVI، NDVI، EVI، MSAVI، SAVI، RVI، NDWI، SI1، SI2، SI3 و SBI از تصویر ماهواره ایی استخراج شد و به همراه سه شاخص توپوگرافی شامل ارتفاع، شیب و شاخص رطوبت توپوگرافی (TWI) به مدل رگرسیون خطی چندگانه و جنگل تصادفی معرفی شد. یافته ها: نقشه رقومی ارتفاعی منطقه مقادیری بین 1100 تا 2050 متر را در بر گرفت. شیب منطقه، در محدوده های با شیب کم و پایین تر از هشت درصد قرار دارد. مقادیر عددی شاخص TWI در نزدیکی مجاری آبی 77/0 به دست آمد. مقادیر شاخص DVI و EVI با افزایش پوشش گیاهی افزایش داشت. شاخص NDVI مقادیر بالاتر از 3/0 و شاخص NDWI به عنوان یک شاخص آبی، مقدار حداکثری 77/0 را در مناطق غرقاب نشان داد. شاخص SAVI تفکیک پذیری بالایی از نواحی بدون پوشش تا پوشش تنک و نواحی با پوشش گیاهی قوی را ارائه داد. شاخص SBI و شاخص های سه گانه شوری SI تغییرپذیری بسیار بالایی از جنبه پارامتر های خاک در نواحی بدون پوشش نشان داد. مدل رگرسیون نیتروژن خاک با سه شاخص RVI، DVI و TWI با مقدار معناداری آماری (p-value) برابر با 04/0 تولید شد. در مدل جنگل تصادفی، شاخص های گیاهی و خاک نقش تعیین کننده ای در ساخت مدل داشتند و مقدار ضریب تعیین ((R2 برابر با 44/0 به دست آمد. نتایج: نیتروژن کل خاک نیز در پارامترهای خاک با چگالی و با شن و رس از بافت خاک و در پارامترهای توپوگرافی با ارتفاع و در شاخص های طیفی با, EVI RVI, SAVI, NDWI, NDVI و DVI در سطح 01/0 و با SI3 از شاخص های شوری در سطح 05/0 همبستگی دارد. در پارامترهای خاک نیز سیلت با شن و رس در سطح 05/0 و شن با رس همچنین چگالی با رس در سطح 01/0 همبستگی دارند. نتایج نشان داد که وضعیت توپوگرافی منطقه به همراه شاخص های بر پایه مادون قرمز نزدیک و قرمز نقش بسزایی در پیش بینی نیتروژن دارد. همچنین مقایسه نتایج حاصل از ارزیابی زمینی و سنجش از دور نشان داد که در پیش بینی نیتروژن کل خاک، اختلاف معنی داری بین دو مدل و ارزیابی میدانی وجود ندارد و هر دو مدل نتایج نزدیکی به ارزیابی میدانی داشتند.

تخمین دقیق تبخیر و تعرق گیاه مرجع در برنامه ریزی های آبیاری اهمیت ویژه ای دارد. همچنین، عدم دسترسی به داده های لایسیمتری باعث شده است پژوهش گران به استفاده از روش های غیرمستقیم از جمله روش های داده محور روی آورند. در پژوهش حاضر، توانایی روش های داده محور رگرسیون فرآیند گاوسی (GPR)، رگرسیون بردار پشتیبان (SVR) و جنگل تصادفی (RF) در تخمین تبخیر و تعرق گیاه مرجع موردبررسی قرار گرفت. بدین منظور، داده های هواشناسی دمای میانگین، سرعت باد، رطوبت نسبی و ساعات آفتابی در بازه زمانی 97-1392 در نه ایستگاه شمالی کشور از جمله آستارا، بندر انزلی، رشت، رامسر، نوشهر، ساری، بندر ترکمن، گرگان، گنبدکاووس جمع آوری شد. تبخیر و تعرق محاسبه شده با استفاده از روش فائو-پنمن-مونتیث به عنوان خروجی های هدف در نظر گرفته شده و چهار سناریو ترکیبی از پارامترهای هواشناسی برای واسنجی و صحت سنجی روش های موردمطالعه، مدنظر قرار گرفتند. دقت روش های مذکور با استفاده از پارامتر های آماری ضریب همبستگی، شاخص پراکندگی و ضریب ویلموت مورد مقایسه قرار گرفت. نتایج نشان داد که مدلGPR4 با شاخص پراکندگی در محدوده 132/0 تا 179/0 در ایستگاه های آستارا، بندر انزلی، رشت، رامسر، نوشهر و ساری، مدلSVR4 با شاخص پراکندگی 116/0 تا 120/0 در ایستگاه های بندر ترکمن و گنبدکاووس و روش هارگریوز-سامانی با شاخص پراکندگی 509/0 در ایستگاه گرگان برآوردهای به مراتب دقیق تری از تبخیر و تعرق گیاه مرجع داشته اند.

دمای سطح زمین به عنوان یکی از پارامترهای مهم و پایه ای در مباحث اقلیمی، نشان دهنده رابطه بین اتمسفر و زمین می باشد. با درنظرداشتن مشکلات زیست محیطی شهرها از جمله شدت یافتن جزایر حرارتی شهری، تخمین دمای سطح زمین با دقت مطلوب و همچنین استخراج عوامل مؤثر بر آن نقش قابل توجهی را در مدیریت حرارتی محیط های شهری و همچنین اتخاذ استراتژی های انطباقی با جزایر حرارتی دارد. پژوهش حاضر در این راستا به مقایسه دو روش رگرسیونی خطی چندگانه و جنگل تصادفی پرداخته است. از تصاویر مادیس روزانه در بازه شب (10:30) جهت استخراج دمای سطح زمین فصل تابستان شهر تبریز بهره گرفته شد. تصاویر مذکور در سامانه گوگل ارث انجین پردازش شده و برای بازه 2018 الی 2022 میانگین گیری گردید. بر اساس نتایج پژوهش، جنگل تصادفی با ضریب تعیین 0.924 (0.004 = RMS) عملکرد بسیار بهتری را نسبت به رگرسیون خطی چندگانه از خود نشان داد. جهت استخراج اهمیت شاخص ها نیز از جنگل تصادفی بهره گرفته شد. بر اساس نتایج اهمیت شاخص ها، شاخص های نور شب (51.06 درصد)، ضریب دید به آسمان (48.01 درصد) و مساحت ناحیه رو به باد (45.27) به ترتیب مهم ترین شاخص های اثرگذار بر متوسط دمای سطح زمین شبانه فصل تابستان شهر تبریز هستند. نتایج پژوهش حاضر علاوه بر آشکار نمودن قوت رگرسیون جنگل تصادفی در تخمین دمای سطح زمین، اهمیت شاخص های متعدد بر آن را نیز آشکار می کند. در این راستا، یافته های این مطالعه برای مدیریت حرارتی محیط شهری تبریز و اتخاذ استراتژی های سازگاری با جزایر حرارتی آن کاربردی خواهد بود.

تا کنون توابع انتقالی نقطه ای و پارامتریک با روش های زیادی برای تخمین منحنی نگهداری آب خاک (SWRC) استفاده شده اند، اما از روش جنگل تصادفی (RF) با برخی متغیرهای ورودی تا کنون در هیچ مطالعه ای برای ایجاد توابع انتقالی شبه پیوسته استفاده نشده است. تعداد 120 نمونه خاک از دو استان تهران و همدان برداشت و ویژگی های فیزیکی آن ها اندازه گیری گردید. تعداد 10 تابع انتقالی شبه پیوسته با روش های رگرسیون خطی و RF ایجاد شد. از متغیرهای مکش آب خاک، بافت خاک، درصد رس و شن، جرم مخصوص ظاهری، میانگین و انحراف معیار هندسی قطر ذرات، و رطوبت در ظرفیت مزرعه ای (FC) و نقطه پژمردگی دائم (PWP) در ترکیب های مختلف برای تخمین SWRC استفاده شد. استفاده از مکش خاک به عنوان تنها متغیر ورودی برای تخمین SWRC در روش رگرسیون خطی، مدلی با نتایج قابل قبول ایجاد کرد (R2 مراحل آموزش و معتبرسازی به ترتیب 675/0 و 674/0 بود). استفاده از درصد رس و شن به عنوان تخمین گر موجب بهبود تخمین (5/1 تا 0/25 درصد) گردید. جرم مخصوص ظاهری موجب بهبود معنادار درستی تخمین ها در دامنه 9/6 تا 1/13 درصد گردید. بر خلاف PWP، استفاده از FC موجب بهبود درستی تخمین ها در دامنه 5/3 تا 4/24 درصد شد. توزیع خطا (RMSE) بر روی مثلث بافت خاک وابسته به نوع متغیرهای ورودی و روش ایجاد توابع بود. در تمام توابع شبه پیوسته، درستی تخمین ها، بر مبنای RMSE، در روش RF به طور معنادار و قابل توجهی در دامنه 22 تا 46 درصد بیشتر از رگرسیون خطی بود.

اقتصاد مسکن یکی از مهم ترین ابعاد اقتصادی هر کشوری می باشد. چرا که تغییرات قیمتی آن تبعات مختلفی را در کوتاه مدت و بلندمدت بر اقتصاد ملی در بر خواهد داشت؛ بنابراین، تعریف مدلی که بتواند قیمت مسکن را ارزیابی نماید بسیار ضروری است. در این راستا، اهداف پژوهش حاضر مقایسه رگرسیون های خطی چندگانه و جنگل تصادفی برای تعریف مدل ارزیابی قیمت واحدهای مسکونی و استخراج عوامل موثر بر قیمت واحدهای مسکونی می باشد. جامعه آماری پژوهش حاضر کلیه واحدهای مسکونی محله های یک الی چهار کوی ولیعصر واقع در منطقه یک شهر تبریز به تعداد 30272 واحد می باشد. با استفاده از فرمول کوکران 379 نمونه در سطح اطمینان 95 درصد و ضریب خطای 5 درصد برآورد گردید. جهت مدل سازی مطلوب، اطلاعات 400 واحد مسکونی به عنوان نمونه به صورت میدانی جمع آوری شد. به منظور حذف اثر زمان در این پژوهش، تنها از داده های شهریور سال 1399 استفاده شد. همچنین، جهت تجزیه وتحلیل داده ها از نرم افزارهای ArcMap، SPSS و RStudio استفاده شد. بر اساس نتایج، متغیرهای مساحت با 78/24 درصد، کل طبقات ساختمان با 86/9 درصد، سال ساخت با 9/7 درصد، فاصله از مراکز بهداشتی با 89/6 درصد، فاصله از تاسیسات شهری با 84/6 درصد، فاصله از فضای سبز با 03/5 درصد، فاصله از کاربری مذهبی با 48/4 درصد، فاصله از مراکز درمانی با 26/4 درصد، فاصله از مراکز نظامی و انتظامی با 99/3 درصد و استقرار واحد در طبقه با 92/3 درصد به ترتیب ده متغیر موثر دررابطه با قیمت مسکن محله های ولیعصر شمالی می باشند. بر پایه یافته های پژوهش مشخص گردید که رگرسیون جنگل تصادفی نسبت به رگرسیون خطی چندگانه قابلیت بالایی را در پیش بینی قیمت مسکن ولیعصر شمالی شهر تبریز دارا می باشد.