| توسعه چارچوب یکپارچه و دادهمحور حکمرانی ریسک سیل: همافزایی هوش مصنوعی، اینترنت اشیا و سنجش از دور در راستای ارتقای تابآوری |
| کد مقاله : 1220-CONFIHA |
| نویسندگان |
|
مائده اسکوهی * دانشگاه فردوسی مشهد |
| چکیده مقاله |
| سیل بهعنوان یکی از مخاطرات طبیعی، ضرورت گذار به نظامهای هوشمند و انطباقپذیر حکمرانی ریسک را برجسته میسازد. پژوهش حاضر با بررسی ظرفیت همافزایی هوش مصنوعی، اینترنت اشیا، کلانداده و سنجش از دور، نقش این فناوریها را در ارتقای پیشبینی سیل، پشتیبانی از تصمیمگیری و تابآوری جوامع تحلیل میکند. این پژوهش با رویکرد مرور تحلیلی و تحلیل کتابسنجی مطالعات مرتبط، ضمن شناسایی روندهای علمی و فناوریهای غالب، قابلیتهای تلفیق دادههای هیدرومتئورولوژیکی، اطلاعات مکانی، دادههای حسگری و تصاویر ماهوارهای را در زنجیره پایش، پیشبینی و مدیریت ریسک سیل بررسی میکند. همچنین، ارتباط میان خروجی مدلهای پیشبینی و فرایندهای تصمیمگیری در مدیریت منابع آب، هشدار سریع و کاهش آسیبپذیری تحلیل میشود. در این چارچوب، قابلیتهای یادگیری ماشین و یادگیری عمیق، بهویژه شبکههای عصبی کانولوشنی، در تلفیق با دادههای بلادرنگ و تصاویر ماهوارهای بررسی میشوند. نوآوری پژوهش در تبیین پیوند میان زیرساختهای هوشمند دادهمحور و حکمرانی انطباقپذیر ریسک سیل است؛ پیوندی که میتواند تصمیمگیری، تخصیص بهینه منابع و کاهش آسیبپذیری را تقویت کند. چالشهایی نظیر عدم قطعیت دادهها، تعمیمپذیری مدلها، محدودیت زیرساختی و نابرابری فناورانه بررسی شده و بر توسعه نظامهای یکپارچه، مشارکتی و عدالتمحور، همسو با چارچوب سندای، تأکید میشود. یافتههای پژوهش نشان میدهد که تلفیق مدلهای دادهمحور با مدلهای فیزیکی هیدرولوژیکی و هیدرولیکی، در مقایسه با اتکای صرف به الگوریتمهای یادگیری ماشین، ظرفیت بیشتری برای افزایش قابلیت اعتماد پیشبینی، لحاظ نمودن قیود فیزیکی جریان و پشتیبانی از تصمیمگیری در شرایط عدمقطعیت دارد. تلفیق مدلهای هوش مصنوعی با فرایندهای فیزیکی و بهرهگیری از آنها بهعنوان راهبردهایی برای ارتقای تابآوری جامعهمحور پیشنهاد میشوند. |
| کلیدواژه ها |
| هوش مصنوعی، حکمرانی ریسک سیل، پیشبینی سیل، یادگیری عمیق، تابآوری جامعهمحور |
| وضعیت: پذیرفته شده |