«ناشدنی» که قرار است با کمک هوش مصنوعی «شدنی» شود
تاریخ انتشار: ۲۸ آبان ۱۴۰۲ | کد خبر: ۳۹۱۱۶۶۰۳
کمتر بخشی از ایران است که روی کمربند زلزله قرار نداشته باشد همچنین با علم بر اینکه زلزله از پر خطرترین بلایای طبیعی در جهان است اقدامات گستردهای در جهت مقابله با پیآمدهای وقوع این پدیده صورت گرفته که از بهترین نتایج می توان به استفاده از فناوری هوش مصنوعی اشاره کرد.
به گزارش خبرگزاری ایمنا، بلایای طبیعی از گذشته دور تا به امروز خسارات مالی و جانی بسیاری را به بار آوردند با وجود اینکه پیشرفت تکنولوژی امکان پیش بینی بسیاری از حوادث را فراهم کرده، اما هنوز خطرات به طور کامل مهار نشده و بلایای طبیعی مرگباری که امکان پیش بینی آنها دشوار است سالانه زندگی ملیونها نفر را تهدید میکند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
هر روز زلزلههای متعددی کشور را میلرزاند شاید حدوداً روزی بیش از ۲۰ گزارش از زلزلههای زیر چهار ریشتر داشته و حدود ۱۷ درصد از زلزلههای دنیا در ایران اتفاق میافتد و از لحاظ زلزلههای بزرگ و دارای تلفات مالی و جانی کشور در ردههای نخستین قرار داریم.
تصاویر زیر نشان دهنده میزان پراکندگی جمعیت ایران و میزان استعداد مناطق و داشتن پتانسیل زلزله است که با یک ارزیابی ساده میتوان به آمارهای گفته شده استناد کرد.
چندی پیش با شنیدن این خبر که «محققان دانشگاه تگزاس الگوریتم جدیدی از هوش مصنوعی را مورد ارزیابی قرار دادند که میتواند ۷۰ درصد زلزلهها را یک هفته قبل از وقوع با دقت بالایی تشخیص دهد؛ این الگوریتم در یک دوره هفتماهه در چین مورد آزمایش قرار گرفته است و محققان امیدوارند که فناوری هوش مصنوعی میتواند به یک ابزار قدرتمند و قابل اعتماد برای تشخیص زلزله تبدیل شود.» امیدوار به رفع این مشکل شدیم و میدانیم که دانش هوش مصنوعی بر اساس پردازش دادههای آماری عمل کرده و این دادههای آماری نیز قاعدتاً میتوانند از حسگرهایی باشند که در جاهای مختلف قرار داده تا از آنها دیتا دریافت کنیم و سپس با استفاده از آنها به تصمیمگیری بپردازیم.
با استفاده از الگوهای هوش مصنوعی باید روند کاهشی انرژی را مورد بررسی قرار دهیمسعید سلطانی مقدم، عضو هیئت علمی پژوهشگاه بین المللی زلزله شناسی در رابطه با وضعیت ایران از لحاظ توپولوژی لرزه نگاری میگوید: زلزله یک پدیده طبیعی است که به دلیل تجمع انرژی در لایههای مختلف زمین رخ میدهد و زمانی که انرژی به حدی برسد که لایههای زمین دیگر توان تحمل آن را نداشته باشند به یک دفعه آزاد شده و منجر به وقوع زلزله میشود. همچنین در نقاط مختلف کره زمین صفحات تکتونیکی مختلف با میزان انرژی مختلف وجود دارند و کشورهایی نظیر ژاپن، ایتالیا و سایر مناطق دنیا اصطلاحاً روی کمربندهای زلزله خیز قرار گرفتهاند و با یک مرور تاریخی پی میبریم که ایران نیز از جایگاه ویژه ای برخوردار بوده و در یک منطقهای با پتانسیل بالا به لحاظ لرزهخیزی واقع شده است.
وی میافزاید: زلزلهها همیشه به عنوان یکی از مخربترین پدیدههای طبیعی توانستهاند تخریبهای زیادی را از لحاظ جانی و مالی در کشور ما ایجاد کنند. در رابطه با وضعیت توپولوژی شبکههای لرزه نگاری میتوان گفت زلزله به عنوان یک فرآیند طبیعی قابل دریافت و ثبت در شبکههای لرزه نگاری است و شبکههای لرزه نگاری در واقع به مجموعهای از ایستگاههای لرزه نگاری گفته میشود که در نقاط مختلفی از کشور نصب شده و اطلاعات یا رکورد دریافتی از زلزلهها را در خود ثبت میکنند و با پردازش این اطلاعات میتوانیم به مشخصات بیشتری از زلزلههایی که در حال وقوع هستند پی ببریم.
سلطانی مقدم با بیان اینکه در حال حاضر در کشور ما دو شبکه لرزه نگاری مهم وجود دارد شامل «شبکه ملی لرزه نگاری کشوری» وابسته به مؤسسه ژنو فیزیک دانشگاه تهران که مسئول رسمی ثبت و اعلام زمین لرزههای کشور است و شبکه دیگری که در پژوهشگاه بینالمللی زلزله شناسی و مهندسی زلزله که این شبکه نیز به نوع دیگری مشغول ثبت و پردازش دادههای مربوط به زلزله در کشور است اضافه میکند: اطلاعات زلزلهها را از مشخصاتی که سنسورهای دستگاههای ما در نقاط مختلف ثبت میکنند میتوانیم به دست بیاوریم که حجم این اطلاعات به خصوص در سالهای گذشته با توجه به افزایش چشمگیر تعداد ایستگاههای لرزه نگاری در سراسر دنیا بسیار افزایش یافته است. در صورت نداشتن این تجهیزات مجبور به انجام این فرآیند به صورت دستی با صرف زمان زیاد و درگیری کارشناسان بود ولی روشهای جدیدی که در حوزه هوش مصنوعی وارد شده است این قابلیت را دارد که بسیاری از این پردازشها را به صورت خودکار و با دقتی به مراتب بیشتر از انسان انجام دهند و در نهایت موجب شود با سرعت زیاد حجم بالایی از دادهها را پردازش و مراحل ارزیابی مناطق را طی کنیم.
وی در رابطه با نحوه عملکرد حسگرهای شناسایی زلزله تصریح میکند: این حسگرها اغلب در سطح زمین و مکانهایی که به لحاظ امواج منطقهای آرامی باشند و عمدتاً بر روی سنگها قرار میگیرند تا تکانهای بسیار آرام حتی ناشی از لرزشهای زمین در مناطق دور دست را نیز شناسایی کند و در نهایت در نحوه کار این حسگرها میتوان گفت با کمک اینترنت اشیا در زمان وقوع زلزله و هنگامی که انرژی از منبع لرزه زا ساطع میشود و به صورت امواج مختلف از لایههای مختلف عبور میکند تا در نهایت به حسگر ما برسد. ما در زلزله شناسی عمدتاً برای تعیین و شناسایی محل لرزهها از دو موج لرزهای مهم استفاده میکنیم که یکی از آنها «موج اولیه» است و دیگری «موج ثانویه» که عمده تخریب توسط موج ثانویه ایجاد شده و هر دو این امواج توسط حسگرها دریافت و پردازش میشوند و اطلاعاتی نظیر محل، زمان و بزرگای آن زلزله را منتقل میکنند.
سلطانی مقدم میگوید: قبل از تأسیس پژوهشگاه، شبکههای لرزه نگاری در کشور داشتیم که این شبکهها وابسته به مؤسسه ژئوفیزیک تهران بوده و به عنوان مسئول تعیین کننده کاتالوگ زمین لرزهها فعالیت داشت ولی ما در زمینه زلزله شناسی صرفاً به شناخت اطلاعات زلزلهها اکتفا نکردهایم و پژوهشگاه میتواند به حوزههای دیگری نیز ورود کند به طور مثال در حوزه مهندسی، تهیه «نقشههای بندی» خطر لرزهای را داریم. با تحلیل اطلاعات به دست آمده از زلزلهها میتوانیم مناطقی را شناسایی کرده که در آن مناطق پتانسیل لرزهای یا رخداد زلزلهها بیشتر از سایر مناطق باشد و در صورتی که کشور نیاز به ساخت سازههای مهمی مثل سدها، نیروگاهها داشته باشد با دانستن این اطلاعات میتواند سازهها را با قابلیت تابآوری بالاتری در مقابل زمین لرزههای آن منطقه احداث کنند.
وی ادامه میدهد: از دیگر فعالیتهای پژوهشگاه میتوان به پروژههای تحلیل خطر در سازههای مهم اشاره کرد که زمان احداث سدها و نیروگاهها با تعیین و شناسایی گسلهای مهم آن منطقه و ایجاد یک شبکه پایش مدام در اطراف آن سازه مهم میزان خطر ناشی از وقوع زلزله را رصد و با برنامهریزیهای مناسب کاهش دهند. همچنین در حوزه مدیریت منابع و امدادرسانی اقدامات خوبی مانند شناسایی صحیح مشخصات زمینلرزه به منظور امداد رسانی سریع و مدیریت پس از حادثه صورت گرفته است.
سلطانیمقدم با توجه به مقایسه پراکندگی جمعیت و مناطق لرزهخیز ایران میگوید: زمان بررسی نقشه پراکندگی جمعیت در مییابیم که انطباق خوبی بین میزان لرزهخیزی و نقشه پراکندگی جمعیت وجود دارد. در ایران رفتارهای لرزهای متفاوتی را دارا هستیم ولی باید بپذیریم که ایران از سرزمینهایی با پتانسیل بالا در زمین لرزه است و باید قبل از مطرح کردن مباحث پیش بینی زلزله در ساخت و سازها موارد مقاوم سازی را به طور کامل رعایت کرده و سازهها را به شکلی بسازیم که در مقابل این خطر طبیعی مقاومت خوبی داشته باشد.
وی اضافه میکند: در بحث پیش بینی زمین لرزه نباید صرفاً با در دست داشتن اطلاعات یک شبکه لرزه نگاری آسوده از خطرات زمین لرزه باشیم و فقط آن را ملاک قرار بدهیم بلکه وقوع زلزله اعلانهای متعددی دارد که اگر بتوانیم آنها را رصد و جمع آوری کنیم با تشکیل یک بانک اطلاعاتی از این موارد توسط هوش مصنوعی مدلهایی را میتوان تعیین کرد و به الگوها و الگوریتمهایی که ما را به پیش بینی زمین لرزه برساند، دست پیدا کرد.
سلطانی مقدم با اشاره به اینکه در استان تهران اقدامات خوبی در رابطه با سازمان پیشگیری و مدیریت بحران انجام شده است از جمله سامانه «هشدار سریع» که اخیراً به بهره برداری رسیده است تاکید میکند: در حال حاضر این برنامههای عملیاتی بر بروی گسل مشاع استان تهران، گسل زمین لرزه شهرستان بلده، گسل زمین لرزه شهرستان کرج اتفاق افتاد است و این سامانههای گسلی با دقت خوبی مورد مطالعه قرار گرفتهاند ولی همچنان با توجه به پراکندگی و اهمیت گسلها نیازمند یک شبکه لرزه نگاری با دقت بیشتر از سامانههای فعلی هستیم.
سلطانی مقدم تصریح میکند: علاوه بر ثبت دادههای لرزه نگاری دادههای دیگری نیز مثل نشت گازهایی که قبل از وقوع بعضی از زلزلهها رخ میدهد یا اختلال در میدانهای مغناطیسی میتواند مورد استفاده قرار گیرد ولی در حال حاضر نیاز ما زیر ساختهای لازم برای ایجاد هوش مصنوعی در این زمینه است زیرا سامانههای هشدار سریع در حال حاضر توانایی هشدار حدود ده یا بیست ثانیه قبل از وقوع زلزله را دارند و خیلی مورد استفاده عموم مردم قرار نمیگیرد ولی مفید در جهت جلوگیری از برخی فجایعی که در هنگام وقوع زلزله میتواند اتفاق بیفتد مثل قطع گاز در شبکههای گازرسانی یا اطلاع نیروهای امدادی در هنگام وقوع منجر شود. همچنین ارتقای این شبکه به هوش مصنوعی میتواند به افزایش پتانسیل و کاهش ضریب خطا کمک کند.
وی تصریح میکند: الگوی تخلیه انرژی روی گسلهای مختلف متفاوت است درصورتی که بتوانیم با استفاده از الگوهایی که هوش مصنوعی ایجاد میکند روند کاهشی انرژی را دریافت کنیم میتوانیم به این سوال پاسخ بدهیم که آیا این زلزلهای که اتفاق افتاده است پس لرزه، زلزله اصلی یا پیش لرزه است و پاسخ به این سوال کمک بسیار مؤثری را در امداد رسانی، پیشگیری از خسارات و رفع نگرانی جامعه میکند.
برای پیشگیری از خسارات سرعت اطلاعرسانی اهمیت ویژهای داردایمان کهباسی، پژوهشگر پژوهشگاه بینالمللی زلزله شناسی پیرامون مدیریت زلزله با هوش مصنوعی میگوید: فناوری هوش مصنوعی در واقع تعاریف متعددی دارد و این تعاریف با گذر زمان دستخوش تغیر شده است.
وی پیرامون خطرات زلزلههای زیر چهار ریشتر میافزاید: از لحاظ خطرات جانی و تخریب ساختمانها خطراتی به نسبت کمتر از زلزلههای قویتر دارد ولی خطر زمین لرزه صرفاً به بزرگای آن برنمی گردد و فاصله از محل وقوع نیز مهم است. به عنوان مثال در صورتی که زمین لرزه زیر چهار ریشتر دقیقاً زیر یک ساختمان حادث شود خطراتی را شامل حال ساکنین میکند، اما اگر همین ساختمان به مراتب با فاصله بیشتری نسبت به کانون زمین لرزه قرار داشته باشد به دلیل کاهش انرژی زلزله خطرات جدی را به همراه نخواهد داشت.
کهباسی پیرامون راه تشخصی اینکه یک زمین لرزه پیش لرزه است یا زمین لرزه اصلی بیان میکند: این نکته را باید توجه داشت که وقتی یک پیش لرزهای حادث میشود و بعد تعدادی زمین لرزه کوچکتر ایجاد میشود میتوان گفت زمین لرزه اولی اصلی و بعدیها پیش لرزه بودهاند به همین خاطر است که سازمانها و ارگانهای پیشگیری توصیه دارند که چندساعتی را با حفظ آرامش خارج از خانه سپری کنند تا این فعالیتهای زمین رصد شود.
وی با بیان اینکه در کشور ما نقاطی با پوششهای جمعیتی سرشار اکثراً دارای پتانسیل لغزش هستند و از نقاط پرخطر محسوب میشوند، میگوید: پس از ظهور هوش مصنوعی با دقت این دانش تعیین زمان، فاصله لرزهای، مکان یابی و تعیین بزرگا با ضریب اطمینان بیشتری انجام میگیرد. پس از وقوع زمین لرزه و شناسایی امواج انرژی زمین در ایستگاههای نزدیک به آن کانون لرزه مشخص و طی یک بازه زمانی کوتاه طی برخی محاسبات تخمینی انجام میشود و تا قبل از اینکه امواج مخرب به محل شهر و سازه برسد اطلاع رسانی میشود ولی در هشدار سریع صبر نمیکنیم تا کل اشکال موج زمین لرزه را دریافت و پردازش کنیم و این موقعیت نیازمند صرفه جویی در زمان هستیم به این معنی که تعلل نمیکنیم تا این امواج روی همه ایستگاهها ثبت شود و با کمترین تعداد ایستگاه که غالباً بین سه تا چهار ایستگاه است فرآیند آغاز میشود.
کهباسی اضافه میکند: هوش مصنوعی کمک میکند تا تخمین بزنیم اگر زمین لرزهای با بزرگای مشخصی جایی اتفاق افتاده چه شتاب هایی در مناطق مختلف شهر داشته که اصطلاحاً به آ ن «نقشه شدت» نیز میگویند و براساس آن خواهیم دانست هر نقطه از شهر قرار است دستخوش چه خطرات و خسارتی شود
وی با اشاره به نقش هوش مصنوعی پس از وقوع زمین لرزه ادامه داد: موقعیتی را پس از زمین لرزه در نظر بگیرید با مقداری خسارت، در این شرایط موضوعات مورد بحث تخصیص نیروهای امدادی به نقاط شهر و الویت بندی بین نقاط است و اینجا است که موضوع تخمین خسارت پیش میآید و باید بتوانیم کمتر از یک ساعت تخمین خسارت را داشته باشیم. این تخمین خسارت پارامترهای متفاوتی از جمله شتاب نیروهایی که به سازهها وارد شده، میزان خرابی سازههای فرسوده، توزیع جمعیتی در مناطق، زمان وقوع زمین لرزه و میزان هشیاری مردم در هنگام وقوع زمین لرزه دارد. با این اطلاعات و کمکهای هوش مصنوعی میتوانیم تخمینی دقیق از خسارات داشته باشیم و فرآیند مدیریت امداد رسانی پس از وقوع این پدیده را تسهیل کنیم.
به گزارش ایمنا، پیشبینی زلزله تا پیش از این موضوع غیرممکن به نظر میرسید و البته هنوز هم به پیشبینی زلزله در هر نقطهای در جهان نزدیک نشدهایم، اما آنچه به دست آوردیم نشان میدهد مسئلهای که فکر میکردیم حل ناشدنی است حداقل از نظر تئوری قابل حل است.
به گفته محققان دانشگاه تگزاس، پیشبینی کردن زلزله بسیار دشوار و پیچیده است و تاکنون روش قابل اعتمادی برای پیشبینی آن ارائه نشده است، اما با پیشرفت فناوری و ظهور فناوری هوش مصنوعی، این مشکل غیرممکن نیز قابل حل شده است؛ تاکنون الگوریتم توسعه یافته مبتنی بر هوش مصنوعی موفق شده است، موقعیت مکانی ۱۴ زلزله را در فاصله ۳۲۰ کیلومتری از منشأ خود به صورت دقیق پیشبینی کند، این سیستم فقط هشت هشدار نادرست ارائه کرده است.
کد خبر 704083منبع: ایمنا
کلیدواژه: هوش مصنوعی توسعه هوش مصنوعی کاربرد هوش مصنوعی کاربرد هوش مصنوعی در آینده ارتقای هوش مصنوعی هوش مصنوعی گوگل فناوری هوش مصنوعی زلزله نقاط زلزله خیز مناطق زلزله زده مرکز زلزله نگاری زلزله نگار آخرین اخبار زلزله آمار زلزله های ایران زمین لرزه وقوع زمین لرزه زمین لرزه ای پیش بینی زمین لرزه خسارت زمین لرزه شهر شهروند کلانشهر مدیریت شهری کلانشهرهای جهان حقوق شهروندی نشاط اجتماعی فرهنگ شهروندی توسعه پایدار حکمرانی خوب اداره ارزان شهر شهرداری شهر خلاق شبکه های لرزه نگاری فناوری هوش مصنوعی پراکندگی جمعیت وقوع زمین لرزه هوش مصنوعی زلزله شناسی سلطانی مقدم زلزله ها حال حاضر وقوع زلزله ایستگاه ها پیش بینی پیش لرزه داده ها لرزه ای سازه ها لرزه ها شبکه ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.imna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایمنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۹۱۱۶۶۰۳ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
پسلرزه ۶.۱ ریشتری در تایوان خسارت به جا گذاشت
پس از وقوع زلزله ۷.۴ ریشتری اخیر در بخشهایی از تایوان، تاکنون زمینلرزههای متعددی در این مناطق رخ داده است.
به گزارش ایسنا، سازمان زمینشناسی ایالات متحده در همین رابطه اعلام کرده است موج جدیدی از پسلرزهها بامداد روز گذشته (سهشنبه) تایوان را لرزاند.
قویترینِ این لرزهها به بزرگی ۶.۱ ریشتر بود. این لرزش که به عنوان یک پسلرزه ثبت شده است در ۲۸ کیلومتری جنوب شهر «هوالین» و در عمق ۱۰ کیلومتری زمین رخ داد.
تاکنون تلفاتی ناشی از وقوع این پسلرزهها گزارش نشده است. با این حال به دو ساختمان که پیش از این تخلیه شده بودند، خساراتی وارد شده است.
به گزارش یورونیوز، بزرگی شش زمینلرزه دیگر ۴.۵ تا ۶ ریشتر بود و همگی در نزدیکی شهر هوالین اتفاق افتادند.
انتهای پیام