کاربرد یادگیری ماشین در پیش‌بینی حجم آوار ناشی از خرابی لرزه‌ای ساختمان‌ها و برآورد نیاز ماشین‌آلات سنگین

کاربرد یادگیری ماشین در پیش‌بینی حجم آوار ناشی از خرابی لرزه‌ای ساختمان‌ها و برآورد نیاز ماشین‌آلات سنگین

وحیده نعمتی1

1) کارشناس ارشد عمران- زلزله، شهرداری کلانشهر تبریز ، تبریز ،ایران

کد IOI مقاله : ABKD-ABHFFK
محل انتشار : چهارمین کنفرانس بین المللی پژوهش های کاربردی در مهندسی عمران، معماری و شهرسازی(icarcau.com)
چکیده :
    پس از وقوع زمین‌لرزه‌های مخرب، حجم عظیم آوار ناشی از فروریزش ساختمان‌ها، یکی از مهم‌ترین موانع بر سر راه عملیات امداد و نجات و بازسازی شهری محسوب می‌شود. انسداد معابر توسط آوار، دسترسی تیم‌های امدادی به مناطق آسیب‌دیده را با اختلال جدی مواجه کرده و زمان طلایی نجات مصدومان را به تأخیر می‌اندازد. پژوهش پیش‌رو با هدف بررسی کاربرد روش‌های یادگیری ماشین در پیش‌بینی حجم و الگوی پراکنش آوار ناشی از خرابی لرزه‌ای ساختمان‌ها و برآورد نیاز به ماشین‌آلات سنگین برای پاکسازی معابر انجام شده است. روش تحقیق، مبتنی بر مرور نظام‌مند مطالعات انجام‌شده در این حوزه و تحلیل رویکردهای نوین مدل‌سازی است. یافته‌های پژوهش نشان می‌دهد که الگوریتم‌های یادگیری ماشین نظیر درخت‌های تصمیم‌گیری تقویت‌شده با گرادیان و جنگل تصادفی، با دقت بالایی (ضریب تعیین بیش از ۹۳ درصد) قادر به پیش‌بینی الگوی پراکنش آوار و تولید نقشه‌های حرارتی از توزیع فضایی آن هستند. همچنین، استفاده از مدل‌های جانشین مبتنی بر یادگیری ماشین، زمان محاسبات را تا بیش از ۹۰ درصد نسبت به روش‌های سنتی المان محدود کاهش می‌دهد. بر اساس نتایج، ترکیب مدل‌های فیزیکی-مهندسی با الگوریتم‌های یادگیری ماشین، رویکردی کارآمد برای برآورد نیازمندی‌های لجستیکی و تجهیزاتی در مدیریت بحران پس از زلزله ارائه می‌دهد. این پژوهش با ارائه چارچوبی جامع برای پیش‌بینی آوار و نیازهای پاکسازی، گامی مؤثر در جهت افزایش تاب‌آوری شهری در برابر زلزله برداشته است.

کلمات کلیدی : پیش‌بینی آوار لرزه‌ای یادگیری ماشین پاکسازی معابر مدیریت بحران ماشین‌آلات سنگین تاب‌آوری شهری