كاربرد روش يادگيري عميق در مديريت ريسك‌هاي زيست محيطي پروژه‌هاي عمراني با ديدگاه پدافند غيرعامل

صنعت ساخت و ساز در كشور ايران از صنايع پيشرو در اقتصاد به شمار رفته و از اقبال قابل توجهي در نظر مردم نيز برخوردار است. اين صنعت به عنوان گزينه اول در سرمايه‌گذاري نيز به حساب آمده و بيشترين بازدهي را بنا بر گزارشهاي منتشر شده از خود نشان داده است. همچنين خطرات محيط زيستي  ناشي از اين صنعت نيز از اهميت بسيار بالايي برخوردار بوده و از دغدغه‌هاي اصلي مسئولين ذيربط علي‌الخصوص در سالهاي اخير است. اين مقاله به مديريت ريسك محيط‌زيستي در پروژه‌هاي عمراني با استفاده از روش بسيار موفق FMEA و با كاربرد روشهاي يادگيري ماشين پرداخته است. نوآوري اصلي تحقيق حاضر در به كار بردن همزمان روش نوين يادگيري ماشين و همچنين مديريت ريسك به كمك روش FMEA است. روش تركيبي حاضر از دو رويكرد توصيفي و مدلسازي عددي استفاده كرده است. در اين مطالعه بيش از 10 پروژه بزرگ در كلان شهر تهران ارزيابي شده و بيش از 20 ريسك محيط‌زيستي شناسايي شده است. پيش‌نياز مدلسازي به روش يادگيري عميق به كمك FMEA تهيه شده و سپس مدلسازي با تركيب روش شبكه عصبي مصنوعي و الگوريتم بهينه سازي MVO انجام شده است. اين مطالعه پيش پردازش‌هاي پر حجمي جهت انتخاب نوع شبكه عصبي و الگوريتم بهينه‌سازي انجام داده است. نتايج تحقيق نشان از كارايي مناسب روش تركيبي به كار رفته مي‌دهند. چهار نوع شبكه عصبي مختلف و دو نوع الگوريتم بهينه‌سازي بر اساس       شاخص هاي ارزيابي مشخص استفاده شده‌اند و موفق‌ترين نوع آنها معرفي شده است. در نهايت آناليز حساسيت براي ريسك‌هاي محيط‌زيستي شناسايي شده بر روي مدلسازي موفق معرفي شده، انجام شده و مهمترين ريسك‌ها به روش حساسيت نسبي و مطلق معرفي شده‌اند.