کاربرد روش یادگیری عمیق در مدیریت ریسک های زیست محیطی پروژه های عمرانی با دیدگاه پدافند غیرعامل

صنعت ساخت و ساز در کشور ایران از صنایع پیشرو در اقتصاد به شمار رفته و از اقبال قابل توجهی در نظر مردم نیز برخوردار است. این صنعت به عنوان گزینه اول در سرمایه گذاری نیز به حساب آمده و بیشترین بازدهی را بنا بر گزارشهای منتشر شده از خود نشان داده است. همچنین خطرات محیط زیستی  ناشی از این صنعت نیز از اهمیت بسیار بالایی برخوردار بوده و از دغدغه های اصلی مسئولین ذیربط علی الخصوص در سالهای اخیر است. این مقاله به مدیریت ریسک محیط زیستی در پروژه های عمرانی با استفاده از روش بسیار موفق FMEA و با کاربرد روشهای یادگیری ماشین پرداخته است. نوآوری اصلی تحقیق حاضر در به کار بردن همزمان روش نوین یادگیری ماشین و همچنین مدیریت ریسک به کمک روش FMEA است. روش ترکیبی حاضر از دو رویکرد توصیفی و مدلسازی عددی استفاده کرده است. در این مطالعه بیش از ۱۰ پروژه بزرگ در کلان شهر تهران ارزیابی شده و بیش از ۲۰ ریسک محیط زیستی شناسایی شده است. پیش نیاز مدلسازی به روش یادگیری عمیق به کمک FMEA تهیه شده و سپس مدلسازی با ترکیب روش شبکه عصبی مصنوعی و الگوریتم بهینه سازی MVO انجام شده است. این مطالعه پیش پردازش های پر حجمی جهت انتخاب نوع شبکه عصبی و الگوریتم بهینه سازی انجام داده است. نتایج تحقیق نشان از کارایی مناسب روش ترکیبی به کار رفته می دهند. چهار نوع شبکه عصبی مختلف و دو نوع الگوریتم بهینه سازی بر اساس       شاخص­های ارزیابی مشخص استفاده شده اند و موفق ترین نوع آنها معرفی شده است. در نهایت آنالیز حساسیت برای ریسک های محیط زیستی شناسایی شده بر روی مدلسازی موفق معرفی شده، انجام شده و مهمترین ریسک ها به روش حساسیت نسبی و مطلق معرفی شده اند.

کلیدواژه ها:

مدیریت ریسک ، روش FMEA ، یادگیری عمیق ، پروژه عمرانی ، محیط زیستی