تحلیل و سنجش کمی تاب آوری لرزه ای مناطق شهری

پژوهش حاضر به تحلیل و سنجش تاب آوری لرزه ای مناطق شهری با استفاده از شبکه های عصبی مصنوعی (ANN) پرداخته است. تاب آوری لرزه ای به توانایی یک منطقه برای مقابله با زلزله و بازسازی پس از آن اشاره دارد و به عنوان یکی از مولفه های مهم در برنامه ریزی های شهری محسوب می شود. در این مطالعه، ویژگی های مختلف مناطق شهری که تاثیر زیادی بر تاب آوری لرزه ای دارند، از جمله نوع سازه ها، تراکم جمعیت، وضعیت اقتصادی و اجتماعی، و اقدامات پیشگیرانه در برابر بحران جمع آوری شده اند. پس از تقسیم داده ها به دو بخش ورودی و خروجی، داده ها از لحاظ کیفیت و نرمال سازی پیش پردازش شدند. سپس، یک مدل شبکه عصبی مصنوعی طراحی و با استفاده از داده های آموزشی و الگوریتم های یادگیری، آموزش داده شد. مدل پس از آموزش با استفاده از داده های آزمایشی ارزیابی و دقت پیش بینی ها با استفاده از شاخص هایی مانند میانگین خطای مربع (MSE) و ضریب همبستگی (R²) سنجیده شد. نتایج نشان داد که مدل ANN با دقت بالایی قادر به پیش بینی تاب آوری لرزه ای مناطق شهری است. ارزیابی های انجام شده نشان دهنده توانایی بالا و اعتبار مدل در پیش بینی تاب آوری لرزه ای مناطق مختلف است و می تواند به عنوان ابزاری کارآمد در بهبود برنامه ریزی های شهری و تقویت تاب آوری در برابر زلزله به کار گرفته شود. این پژوهش به ویژه بر اهمیت استفاده از روش های نوین مانند شبکه های عصبی در تحلیل بحران های شهری تاکید دارد و می تواند در شبیه سازی تاب آوری لرزه ای سایر مناطق نیز مفید واقع شود.

کلیدواژه ها:

تاب آوری لرزه ای ، شبکه عصبی مصنوعی (ANN) ، تحلیل کمی ، مناطق شهری ، زلزله