کاربرد هوش مصنوعی در پیش بینی آسیب پذیری لرزه ای ساختمان ها

در این پژوهش، کاربرد هوش مصنوعی در پیش بینی آسیب پذیری لرزه ای ساختمان های شهر یاسوج مورد بررسی قرار گرفته است. هدف اصلی، ارائه راهکار عملی جهت شناسایی نقاط ضعف سازه ای و بهبود تاب آوری ساختمان های مسکونی و اداری در برابر زمین لرزه است. روش تحقیق توصیفی–تحلیلی و پیش بینی محور بوده و با بهره گیری از داده های کمی شامل نوع سازه، تعداد طبقات، سن ساختمان، نوع مصالح، تاریخچه تعمیرات، مشخصات لرزه ای منطقه، و ویژگی های ژئوتکنیکی، به آموزش مدل های هوش مصنوعی مانند شبکه عصبی، ماشین بردار پشتیبان و جنگل تصادفی پرداخته شده است. جامعه آماری شامل حدود ۲۵٬۰۰۰ ساختمان مسکونی و اداری شهر یاسوج است که داده های آن از پایگاه های رسمی و بازدید میدانی جمع آوری و سپس پاک سازی، نرمال سازی و آماده سازی گردیده است. مدل های هوش مصنوعی با روش های سنتی مقایسه و اثربخشی آن ها در برآورد شاخص آسیب پذیری سازه ها به صورت کمی تحلیل شده است. نتایج نشان دادند که هوش مصنوعی با سرعت و دقت بالا قادر به شناسایی نقاط آسیب پذیر، ارزیابی اثر پارامترهای مهم مانند PGA، ارتفاع ساختمان و مقاومت مصالح، و ارائه راه حل های مقاوم سازی هدفمند است. استفاده از داده های لرزه ای واقعی، بومی سازی مدل ها و ترکیب داده های واقعی و شبیه سازی شده، موجب ارتقای سطح ایمنی ساختمان ها و بهبود مدیریت بحران شهری خواهد شد.

کلیدواژه ها:

هوش مصنوعی ، آسیب پذیری لرزه ای ، شبکه عصبی مصنوعی ، یادگیری ماشین ، پیش بینی رفتار ساز