ارزیابی خودکار آسیب ساختمان پس از زلزله و پیش بینی بازسازی با ادغام دادههای سنجش از دور اینترنت اشیاء و یادگیری عمیق

چکیده مقاله

زلزله ها از مخرب ترین بلایای طبیعی هستند که موجب خسارات جبران ناپذیری به زیرساختها و ساختمانها می شوند ارزیابی سریع و دقیق میزان آسیب نقش مهمی در مدیریت بحران و بازسازی ایفا می کند در این پژوهش، رویکردی نوین با ادغام داده های سنجش از دور تصاویر ماهواره ای با وضوح بالا و داده های سنسوری اینترنت اشیاء الگوریتم های یادگیری عمیق ارائه شده است استفاده از داده های اینترنت اشیاء شامل حسگرهای ساختاری نصب شده بر ساختمانها به جمع آوری داده های بلادرنگ وضعیت سازه کمک می کند و همراه با تصاویر ماهواره ای، امکان ارزیابی دقیق تر آسیب را فراهم می آورد مدل یادگیری عمیق برای طبقه بندی شدت آسیب ها آموزش دیده است همچنین، با تلفیق نتایج با مدل های پیش بینی بازسازی زمان و هزینه بازسازی تخمین زده می شود مطالعه موردی زلزله کرمانشاه ۲۰۱۷ نشان داد که این روش می تواند ارزیابی خسارت را با دقت بالا و به صورت خودکار انجام دهد و به تصمیم گیرندگان در مدیریت بهتر بحران و برنامه ریزی بازسازی کمک کند

کلیدواژه‌ها

نویسندگان

امیرخاقانی نژاد

دانشکده کشاورزی واحد شیراز، دانشگاه آزاد اسلامی

سیدابرهیم دشتی

دانشکده کامپیوتر واحد جهرم دانشگاه آزاد اسلامی مسول مکاتبات

نژاد، امیرخاقانی و دشتی، سیدابرهیم،1404،ارزیابی خودکار آسیب ساختمان پس از زلزله و پیش بینی بازسازی با ادغام دادههای سنجش از دور اینترنت اشیاء و یادگیری عمیق،پنجمین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی،همدان

ارائه‌شده در

مجموعه مقالات پنجمین همایش بین المللی مهندسی کامپیوتر، برق و تکنولوژی1 شهریور 1404 · همدان