چکیده مقاله
چکیدهآتشسوزی ها همچنان یکی از مهمترین حوادث مخرب در سطح جهانی هستند که خسارات جانی، مالی و زیست محیطی سنگینی به همراه دارند علتیابی دقیق و پیشبینی به موقع وقوع این حوادث نیازمند درک عمیقی از تعاملات پیچیده میان عوامل محیطی مانند شرایط آب و هوایی، توپوگرافی و عوامل انسانی مانند خطای اپراتور، رعایت نکردن پروتکلهای ایمنی است این مقاله، رویکردی نوین مبتنی بر الگوریتم یادگیری عمیق چندعامل Multi Agent DeepLearning MADL را برای تحلیل همزمان و استخراج وابستگی های غیرخطی میان این دو دسته متغیر کلیدی در فرآیند وقوع آتشسوزی ها معرفی میکند MADLبا شبیهسازی شبکهای از عوامل تصمیم گیرنده که هر یک مسئول پایش و تفسیر زیرمجموعهای از داده ها هستند، توانایی مدل سازی دینامیک های پیچیده و تعاملی محیط های عملیاتی را فراهم میآورد نتایج اولیه نشان می دهد که این رویکرد در مقایسه با مدل های سنتی رگرسیون یا شبکه های عصبی تک عاملی، دقت پیشبینی وقوع آتشسوزی را به شکل معناداری افزایش میدهد
کلیدواژه‌ها
نویسندگان
محبوبه اکبرلو
کارشناس حرفه ای ایمنی، سلامت و محیط زیست صنایع HSE
شیوه ارجاع
�کبرلو، محبوبه،1404،تحلیل همزمان متغیرهای محیطی و انسانی در وقوع آتشسوزی با استفاده از الگوریتم یادگیری عمیق چندعاملیMADL،بیست و نهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک،شیروان
ارائه‌شده در
مجموعه مقالات بیست و نهمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک28 بهمن 1404 · شیروان