| کاربرد هوش مصنوعی و یادگیری ماشین در پیشبینی مخاطرات ژئوتکنیکی مرتبط با ساختارهای تکتونیکی فعال |
| کد مقاله : 1062-NIEGC2025 |
| نویسندگان |
|
فاطمه جعفری تیرتاشی1، جواد امیری نوروزمحله *2 1دانشجوی کارشناسی ارشد تکتونیک دانشگاه تهران 2دانشجوی کارشناسی ارشد زمین شناسی مهندسی دانشگاه تهران |
| چکیده مقاله |
| این مقاله مروری به بررسی نقش و کاربرد هوش مصنوعی و یادگیری ماشین در پیشبینی مخاطرات ژئوتکنیکی مرتبط با ساختارهای تکتونیکی فعال میپردازد. در محیطهای زمینساختی پیچیده، پدیدههایی نظیر زمینلغزش، فروچاله، نشست و روانگرایی به دلیل تعامل میان عوامل زمینشناسی، ژئومورفولوژیک و انسانی رخ میدهند. در سالهای اخیر، مدلهای دادهمحور مبتنی بر هوش مصنوعی، بهویژه شبکههای عصبی، درخت تصمیم، جنگل تصادفی و یادگیری عمیق، تحولی اساسی در تحلیل و پیشبینی این مخاطرات ایجاد کردهاند. این مدلها با توانایی شناسایی روابط غیرخطی و چندبعدی میان متغیرهای ورودی، دقت پیشبینی را بهطور چشمگیری افزایش دادهاند. نتایج مطالعات انجامشده در ایران و جهان نشان میدهد که استفاده از دادههای مکانی، سنجشازدور و ویژگیهای ساختاری زمین همچون فاصله از گسلها، تراکم شکستگیها، عمق، جهت لایهها و پارامترهای مکانیکی سنگ، نقش مؤثری در بهبود کارایی مدلهای هوش مصنوعی دارد. همچنین، تلفیق مدلهای ترکیبی مانند CNN–DNN و SA–ANN باعث کاهش خطای پیشبینی و افزایش توان تعمیم مدلها در شرایط متنوع ژئوتکنیکی شده است. بر اساس بررسیهای انجامشده، هوش مصنوعی نهتنها ابزاری قدرتمند برای مدلسازی مخاطرات طبیعی محسوب میشود، بلکه با ارائه چارچوبی دقیق برای تحلیل خطر، میتواند مبنایی برای تصمیمگیریهای مهندسی، طراحی مقاومسازی و مدیریت پایدار در مناطق تکتونیکی فعال فراهم کند |
| کلیدواژه ها |
| هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، مخاطرات زمین شناختی، تکتونیک |
| وضعیت: پذیرفته شده برای ارسال فایل های ارائه پوستر |