مرور نظام مند و تحلیل کیفی کاربردهای هوش مصنوعی در پیش بینی آسیب پذیری لرزه ای سازه ها: شناسایی روندها، مزایا و شکاف های پژوهشی

هدف این مطالعه، مرور نظام مند و تحلیل کیفی کاربردهای هوش مصنوعی در پیش بینی آسیب پذیری لرزه ای سازه ها است. با بهره گیری از پروتکل PRISMA و جستجو در پایگاه های سیویلیکا و گوگل اسکالر، ۶۰۰۸ مطالعه اولیه شناسایی و پس از غربالگری، پنج مطالعه برای تحلیل نهایی انتخاب شدند. یافته ها نشان داد تمرکز اصلی پژوهش های داخلی بر عیب یابی سازه ها (۶۰% مطالعات) بوده و شکاف عمیقی در حوزه ارزیابی آسیب پذیری لرزه ای وجود دارد. تحلیل مقایسه ای عملکرد الگوریتم ها نشان داد که شبکه های عصبی در مسائل رگرسیون و SVM در مسائل طبقه بندی عملکرد بهینه تری دارند. مقاله با ارائه چارچوبی برای پژوهش های آینده، توسعه مدل های هوشمند برای ارزیابی عملیاتی سازه ها را پیشنهاد می نماید. این مرور همچنین بر ضرورت توجه به چالش های داده ای کلیدی مانند عدم تعادل در داده های لرزه ای و نیاز به توسعه چارچوب های احتمالاتی برای سنجش و بیان عدم قطعیت در پیش بینی های هوش مصنوعی تاکید می نماید.

کلیدواژه ها:

یادگیری ماشین ، آسیب پذیری لرزه ای ، مهندسی زلزله ، عدم تعادل داده ها ، هوش مصنوعی توضیح پذیر