کاربرد روش یادگیری عمیق در مدیریت ریسکهای زیست محیطی پروژههای عمرانی با دیدگاه پدافند غیرعامل
نویسندگان
1 استادیار، گروه مهندسی نگهداری و تعمیرات، دانشکده علوم و مهندسی دفاعی، دانشگاه افسری و تربیت پاسداری امام حسین (ع)، تهران، ایران
2 استادیار، گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
3 دانشجوی دکتری، گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
4 دانشیار، گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
doi
چکیده
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.