ارزیابی خودکار آسیب ساختمان پس از زلزله و پیش بینی بازسازی با ادغام دادههای سنجش از دور اینترنت اشیاء و یادگیری عمیق

زلزله ها از مخرب ترین بلایای طبیعی هستند که موجب خسارات جبران ناپذیری به زیرساختها و ساختمانها می شوند. ارزیابی سریع و دقیق میزان آسیب نقش مهمی در مدیریت بحران و بازسازی ایفا می کند. در این پژوهش، رویکردی نوین با ادغام داده های سنجش از دور تصاویر ماهواره ای با وضوح بالا و داده های سنسوری (اینترنت اشیاء) الگوریتم های یادگیری عمیق ارائه شده است. استفاده از داده های اینترنت اشیاء شامل حسگرهای ساختاری نصب شده بر ساختمانها به جمع آوری داده های بلادرنگ وضعیت سازه کمک می کند و همراه با تصاویر ماهواره ای، امکان ارزیابی دقیق تر آسیب را فراهم می آورد. مدل یادگیری عمیق برای طبقه بندی شدت آسیب ها آموزش دیده است. همچنین، با تلفیق نتایج با مدل های پیش بینی بازسازی زمان و هزینه بازسازی تخمین زده می شود. مطالعه موردی زلزله کرمانشاه (۲۰۱۷) نشان داد که این روش می تواند ارزیابی خسارت را با دقت بالا و به صورت خودکار انجام دهد و به تصمیم گیرندگان در مدیریت بهتر بحران و برنامه ریزی بازسازی کمک کند.

کلیدواژه ها:

ارزیابی خودکار ، سنجش از دور اینترنت اشیاء ، یادگیری عمیق