کاربرد هوش مصنوعی و یادگیری ماشین در پیشبینی عمر مفید زیرساخت های شهری

پیشبینی عمر مفید زیرساخت های شهری به دلیل پیچیدگی عوامل تاثیرگذار، چالشهای متعددی را در حوزه مهندسی عمران و مدیریت شهری ایجاد کرده است. عوامل محیطی، بارگذاری های متغیر، واکنشهای شیمیایی و فرایندهای فیزیکی، به طور همزمان بر فرسودگی و کاهش عملکرد سازه ها اثرگذارند. روش های سنتی مبتنی بر مدل های تحلیلی و آزمایشگاهی، به دلیل وابستگی به ساده سازیهای بیش از حد و محدودیت در پردازش دادههای حجیم، کارایی لازم را در ارزیابی دقیق روند زوال سازهها ندارند. در مقابل، الگوریتم های یادگیری ماشین و مدلهای هوش مصنوعی با تحلیل الگوهای پنهان در دادههای سنسوری، تصاویر ماهواره ای، اطلاعات محیطی و گزارشهای نگهداری، دقت پیشبینی را بهطور قابل توجهی افزایش دادهاند. هدف این پژوهش، بررسی نقش هوش مصنوعی و یادگیری ماشین در تحلیل و پیشبینی عمر مفید زیرساخت های شهری و ارائه دیدگاههای مبتنی بر مطالعات پیشین در این حوزه است. این پژوهش به روش کتابخانه ای و مروری انجام شده و به تحلیل یافتههای حاصل از پژوهشهای معتبر در زمینه به کارگیری مدلهای هوشمند در ارزیابی عملکرد و دوام سازه های شهری پرداخته است. یافتهها نشان می دهند که شبکههای عصبی عمیق، یادگیری تقویتی و الگوریتمهای مبتنی بر پردازش داده های بزرگ، توانایی شبیه سازی دقیق فرآیندهای تخریب را دارند. تحلیل داده های چندمنبعی، شامل اطلاعات لرزه ای، ارتعاشی، دمایی و تصویری، موجب افزایش دقت در پیشبینی رفتار سازهها در شرایط مختلف شده است. همچنین، ترکیب روشهای یادگیری نظارتشده و نیمه نظارتی، امکان کاهش خطای مدلهای پیش بینی را فراهم کرده و فرآیند تصمیم گیری در حوزه نگهداری و مقاوم سازی را بهبود بخشیده است. نتایج بررسیها نشان می دهد که بهره گیری از رویکردهای ترکیبی، شامل هوش مصنوعی و روشهای کلاسیک مکانیک سازه، دقت ارزیابیها را افزایش داده و منجر به کاهش هزینههای نگهداری و افزایش ایمنی زیرساختهای شهری شده است. توسعه سامانههای پایش هوشمند و یکپارچه سازی سیستمهای نظارتی، نقش مهمی در بهبود عملکرد این فناوریها ایفا می کند.

کلیدواژه ها:

الگوریتمهای یادگیری ماشین ، پردازش دادههای سنسوری ، پیش بینی عمر مفید ، زیرساختهای شهری