Las ciudades en declive sufren de un nivel reducido de actividades residenciales. Como resultado, las áreas con bajos niveles de actividades residenciales pueden convertirse en criaderos de problemas sociales. Para aliviar y prevenir problemas sociales, es importante implementar estrategias de optimización del espacio físico para guiar de manera efectiva la distribución de actividades residenciales en ciudades en declive. Para apoyar el desarrollo de tales estrategias espaciales, este documento presenta métodos basados en aprendizaje automático para analizar la relación no lineal matizada entre las actividades residenciales y el espacio físico en ciudades en declive. Utilizando cuadrículas de doble escala, este estudio calcula elementos espaciales de múltiples fuentes, que se integran posteriormente con datos de actividades residenciales para construir un modelo de árbol de decisión de refuerzo de gradiente. Luego, analiza el peso del impacto de diferentes elementos espaciales en las actividades residenciales y sus relaciones no lineales. El modelo propuesto en este estudio demuestra buena precisión en la interpretación de la relación entre las actividades residenciales y el espacio físico. Basado en los hallazgos de la investigación, se delinean estrategias para diferentes tipos de desarrollo espacial en ciudades en declive. Este documento aboga por la aplicación de este enfoque analítico antes de llevar a cabo la planificación espacial en ciudades en declive para maximizar la efectividad del desarrollo espacial en la guía de actividades residenciales.