پیش بینی تاب آوری مکانی بیمارستان ها در برابر مخاطرات طبیعی با مدل هیبرید فازی-یادگیری ماشین مبتنی بر GIS

پژوهش حاضر به پیش بینی و پهنه بندی تاب آوری مکانی بیمارستان ها در برابر مخاطرات طبیعی چندگانه (زلزله و سیل) همراه با در نظر گرفتن ابعاد دسترسی اضطراری، پتانسیل انرژی خورشیدی پایدار و فشار تقاضای جمعیت می پردازد. هدف اصلی، ارائه یک ابزار کمی و عملیاتی برای شناسایی بیمارستان های در معرض خطر بالا و اولویت بندی مداخلات مقاوم سازی در سطح شهر است. روش پژوهش بر پایه یک مدل هیبرید سه مرحله ای و کاملا یکپارچه در محیط ArcGIS Pro طراحی شده است: در مرحله اول، دوازده لایه اطلاعاتی شامل مدل رقومی ارتفاع، شیب، فاصله از گسل فعال، بارش، دما، کاربری اراضی، تابش خورشیدی، شبکه جاده، تراکم جمعیت، تراکم ساختمان، موقعیت بیمارستان ها و خطوط انتقال برق با استفاده از روش پیشرفته IVFFN-LOPCOW وزن دهی شد تا عدم قطعیت های ذاتی داده ها به حداقل برسد. در مرحله دوم، پنج شاخص ترکیبی کلیدی (ریسک زلزله، ریسک سیل، دسترسی اضطراری، پتانسیل انرژی پایدار و فشار تقاضا) به کمک الگوریتم Random Forest مدل سازی و نقشه های پیوسته با دقت بسیار بالا تولید گردید. در مرحله سوم، طبقه بندی نهایی سطوح تاب آوری مکانی بیمارستان ها (پنج کلاس از خیلی پایین تا خیلی بالا) با بهره گیری از الگوریتم ماشین بردار پشتیبان (SVM) انجام شد. یافته ها نشان داد که دقت پیش بینی مدل برای تمامی شاخص ها بالاتر از ۹۶ درصد (AUC ≥ ۰.۹۶) است. نتایج نهایی حاکی از آن است که بیش از ۳۸ درصد بیمارستان های مورد مطالعه در پهنه های با تاب آوری پایین تا خیلی پایین قرار دارند و نیازمند مداخلات فوری سازه ای، زیرساختی و انرژی هستند. مدل ارائه شده به عنوان یک ابزار تصمیم یار دقیق و قابل تعمیم، قابلیت کاربرد گسترده در برنامه ریزی شهری و مدیریت بحران نظام سلامت را دارا است.

کلیدواژه ها:

تاب آوری بیمارستان ، مخاطرات طبیعی چندگانه ، GIS ، مدل هیبرید فازی-یادگیری ماشین ، پیش بینی مکانی