پهنه بندی و ارزیابی خطرپذیری زلزله با استفاده از مدل شبکه عصبی پرسپترون چند لایه MLP (مطالعه موردی شهر ابرکوه)

ارزیابی ریسک و آسیب پذیری شهرها و شناسایی مناطقی که بیشترین احتمال بروز حوادث و مخاطرات (به ویژه زلزله) را دارند بسیار حایز اهمیت است. تجربه نشان می دهد که برنامه های از قبل پیش بینی و آزمایش شده برای مقابله با چنین اتفاقاتی می توانند به طور قابل ملاحظه ای در جلوگیری از تلفات جانی و کاهش خسارت به اموال، صنایع ومحیط زیست موثر باشند. استفاده از سیستم هایی، نظیر سامانه های اطلاعات مکانی (GIS ) با تلفیق روش های تصمیم گیری چند معیاره، در شناسایی نقاط بحران موثر است. از این رو هدف سازمان های مسیول در مدیریت بحران انتخاب مکانی مناسب جهت اسکان موقت جمعیت های آسیب دیده از سوانح و بلایای طبیعی می باشددر. ایران معمولا0 مکان گزینی برای اسکان موقت شهروندان به صورت تجربی پس از بروز سانحه بدون در نظر گرفتن استانداردهای لازم توسط سازمان های امدادرسانی انجام می گیرد. بدیهی است عدم مکان گزینی صحیح ممکن است فاجعه دیگری حتی به مراتب وخیم تر از سانحه اولیه به دنبال داشته باشد . از این رو در این پژوهش با استفاده از شاخص هایی چون ( خطوط انتقال برق، جایگاه های بنزین و گاز، خطوط تغذیه گاز، پست برق و بافت تاریخی) با استفاده از مدل شبکه عصبی خطرپذیری زلزله شهر ابرکوه ارزیابی گردید.

Keywords:

شبکه عصبی , GIS , مدیریت بحران