کاربرد روش یادگیری عمیق در مدیریت ریسک‌های زیست محیطی پروژه‌های عمرانی با دیدگاه پدافند غیرعامل
صنعت ساخت و ساز در کشور ایران از صنایع پیشرو در اقتصاد به شمار رفته و از اقبال قابل توجهی در نظر مردم نیز برخوردار است. این صنعت به عنوان گزینه اول در سرمایه‌گذاری نیز به حساب آمده و بیشترین بازدهی را بنا بر گزارشهای منتشر شده از خود نشان داده است. همچنین خطرات محیط زیستی ناشی از این صنعت نیز از اه...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Imam Hussein University
2024-12-01
|
| Series: | پدافند غیرعامل |
| Subjects: | |
| Online Access: | https://pd.ihu.ac.ir/article_209336_86b9539a6742a4bfc0419b39c78f2ad8.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | صنعت ساخت و ساز در کشور ایران از صنایع پیشرو در اقتصاد به شمار رفته و از اقبال قابل توجهی در نظر مردم نیز برخوردار است. این صنعت به عنوان گزینه اول در سرمایه‌گذاری نیز به حساب آمده و بیشترین بازدهی را بنا بر گزارشهای منتشر شده از خود نشان داده است. همچنین خطرات محیط زیستی ناشی از این صنعت نیز از اهمیت بسیار بالایی برخوردار بوده و از دغدغه‌های اصلی مسئولین ذیربط علی‌الخصوص در سالهای اخیر است. این مقاله به مدیریت ریسک محیط‌زیستی در پروژه‌های عمرانی با استفاده از روش بسیار موفق FMEA و با کاربرد روشهای یادگیری ماشین پرداخته است. نوآوری اصلی تحقیق حاضر در به کار بردن همزمان روش نوین یادگیری ماشین و همچنین مدیریت ریسک به کمک روش FMEA است. روش ترکیبی حاضر از دو رویکرد توصیفی و مدلسازی عددی استفاده کرده است. در این مطالعه بیش از 10 پروژه بزرگ در کلان شهر تهران ارزیابی شده و بیش از 20 ریسک محیط‌زیستی شناسایی شده است. پیش‌نیاز مدلسازی به روش یادگیری عمیق به کمک FMEA تهیه شده و سپس مدلسازی با ترکیب روش شبکه عصبی مصنوعی و الگوریتم بهینه سازی MVO انجام شده است. این مطالعه پیش پردازش‌های پر حجمی جهت انتخاب نوع شبکه عصبی و الگوریتم بهینه‌سازی انجام داده است. نتایج تحقیق نشان از کارایی مناسب روش ترکیبی به کار رفته می‌دهند. چهار نوع شبکه عصبی مختلف و دو نوع الگوریتم بهینه‌سازی بر اساس شاخصهای ارزیابی مشخص استفاده شده‌اند و موفق‌ترین نوع آنها معرفی شده است. در نهایت آنالیز حساسیت برای ریسک‌های محیط‌زیستی شناسایی شده بر روی مدلسازی موفق معرفی شده، انجام شده و مهمترین ریسک‌ها به روش حساسیت نسبی و مطلق معرفی شده‌اند. |
|---|---|
| ISSN: | 2008-6849 2980-8030 |