RT - Journal Article T1 - Analyzing The Iron Age Sites in Bijar City Using Archaeological Prediction Modeling and Logistic Regression: Appraisal, Processing, and Performance of the Model JF - JRA YR - 2022 JO - JRA VO - 8 IS - 2 UR - http://jra-tabriziau.ir/article-1-331-fa.html SP - 129 EP - 145 K1 - archaeological prediction model K1 - GIS K1 - Bijar city K1 - Iron Age K1 - logistic regression AB - یکی از روش‌های آماری غالب در مدل‌سازی پیش‌بینی باستان‌شناختی؛ رِگرسیون لُجستیک است. مدل احتمالی که این روش به‌وجود می‌آورَد، برای اهداف این نوشتار مناسب است. زمانی‌که متغیر وابسته به‌صورت ارزش باینِری قابل بررسی باشد، روش رِگرسیون لُجستیک قابل اجراست. در این رویکردِ آماری ارزش باینِری به‌عنوان متغیر وابسته با ارزش حضور/عدم حضور محوطۀ باستان‌شناختی مشخص می‌شود. نتایج مدل احتمال رویداد یا وقوع (محوطۀ باستان‌شناختی) را در ارزش احتمالی بین یک و‌ صِفر نشان می‌دهد. عوامل زیست‌‌محیطی به‌صورت متغیرهای مستقل تعریف شده‌اند و رِگرسیون لُجستیک رابطۀ بین متغیرهای مستقل و متغیر وابسته و همچنین ارزش احتمالی متغیر وابسته را در همۀ نقاط نقشه محاسبه می‌کند. این نوشتار با چنین رویکردی به مفاهیم آماری و استفاده از مدل‌سازی به روش رِگرسیون لُجستیک با داده‌های حاصل از بررسی‌های میدانی باستان‌شناسی به تحلیل و تفسیر نتایج در محدودۀ شهرستان بیجار در استان کردستان پرداخته است. در مجموع، 71 محوطۀ عصر آهن به‌عنوان ورودی مدل‌سازی پیش‌بینی به ارائۀ پیشنهادی بهینه به‌منظور آماده‌سازی مدل برای این‌گونه رویکردها در باستان‌شناسی منجر شد. بااین‌حال، نتایج جدای از کمک به صرفه‌جویی در زمان، هزینه و افزایش دقت بررسی‌های باستان‌شناختی برای پروژه‌های آتی، نشان‌دهندۀ 90.4 درصد صحت پیش‌بینی با ارائۀ مناطق با احتمال بالا و کاهش محدودۀ بررسی است. همچنین نشان داده شده است که متغیرهای مستقل رودها و آبادی‌ها بیشترین تأثیرگذاری را بر نتیجۀ مدل و بر شکل‌گیری محوطه‌ها در چشم‌انداز داشته‌اند. LA eng UL http://jra-tabriziau.ir/article-1-331-fa.html M3 10.52547/jra.8.2.129 ER -