طراحی سیستم پشتیبان تصمیم گیری برای مدیریت بحران زلزله در تهران با تلفیق IoT و مدل های یادگیری ماشین

تهران به عنوان یکی از کلان شهرهای پرخطر جهان از نظر وقوع زلزله، نیازمند سیستم های مدیریت بحران کارآمد است. این پژوهش با هدف طراحی یک سیستم پشتیبان تصمیم گیری هوشمند برای مدیریت بحران زلزله در تهران با تلفیق اینترنت اشیاء (IoT) و مدل های یادگیری ماشین انجام شده است. در این مطالعه کاربردی-توسعه ای یک چارچوب جامع مبتنی بر معماری سرویس گرا طراحی گردید که شامل لایه های جمع آوری داده، پردازش، تحلیل و ارائه تصمیم است. داده های مورد استفاده از ۵۰ سنسور شتاب سنج نصب شده در نقاط مختلف تهران و اطلاعات GIS جمع آوری شد. از الگوریتم های جنگل تصادفی و ماشین بردار پشتیبان برای پیش بینی مناطق آسیب پذیر و از الگوریتم خوشه بندی K-means برای تعیین اولویت های امداد استفاده شد. نتایج نشان داد سیستم طراحی شده قادر است با دقت ۹۲.۳٪ مناطق بحرانی را شناسایی کرده و مسیرهای بهینه امدادرسانی را با ۳۵٪ کاهش زمان ارائه نماید. این سیستم می تواند به عنوان ابزاری کارآمد در مدیریت بحران زلزله تهران مورد استفاده قرار گیرد.

کلیدواژه ها:

مدیریت بحران ، زلزله ، اینترنت اشیاء ، یادگیری ماشین ، سیستم پشتیبان تصمیم گیری