سیاست و بازاریابی
پیش بینی سیلاب با فناوری یادگیری ماشینی؛ اجرای طرح برتر سوئیس در ایران
پنجشنبه 16 بهمن 1404 - 09:27:03
خبرگزاری مهر فناوری های نوین
سیاست و بازاریابی - یک پژوهشگر آب گفت: دو مدل هوشمند با بهره‌گیری از یادگیری ماشین و تجربه‌های بین‌المللی موفق به طراحی مدل‌های هوشمندی شده است که می‌توانند خطر سیلاب را حتی در مناطق فاقد داده پیش بینی کنند.

به گزارش خبرنگار مهر، یکی از چالش‌های بنیادین حکمرانی آب در ایران، شکاف عمیق میان دانش فنی تولیدشده در دانشگاه‌ها و فرآیندهای سیاست‌گذاری و تصمیم‌گیری شهری است؛ شکافی که موجب شده بسیاری از پژوهش‌ها، به‌رغم ارزش علمی بالا از مرحله توصیه‌های نظری فراتر نروند. در همین چارچوب، تدوین دستورالعمل‌های بومی نقشه‌های خطر و ریسک سیلاب به‌عنوان یکی از محورهای همکاری‌های بین‌المللی، با این هدف دنبال شده است که دانش تخصصی حوزه سیلاب از مسیر تعریف سازوکارهای اجرایی و الزام‌آور، وارد چرخه تصمیم‌سازی در شهرداری‌ها و سازمان‌های مدیریت بحران شود.
محمدجواد استادمیرزا تهرانی، مدیر آزمایشگاه پژوهشی آب (Water Matters Laboratory) دانشگاه صنعتی خواجه‌نصیرالدین طوسی در گفتگو با خبرنگار مهر گفت: واقعیت این است که انگیزه اصلی من برای ورود جدی به موضوع نقشه‌های خطر سیلاب، رخداد سیلاب‌های سال ۱۳۹۸ در آق‌قلا و پل‌دختر بود؛ سیلاب‌هایی که هم‌زمان با بازگشت من به ایران اتفاق افتاد و از نزدیک با پیامدهای آن مواجه شدیم.
وی تصریح کرد: بررسی‌های اولیه نشان داد که از مجموع بیش از ۷۲ هزار کیلومتر رودخانه در ایران، عملاً تنها حدود ۲ هزار کیلومتر دارای نقشه پهنه‌بندی هستند و متأسفانه نقشه‌های خطر سیلاب به‌صورت نظام‌مند و روشمند تهیه نشده‌اند. آنچه در بسیاری از موارد به‌عنوان نقشه خطر مورد استفاده قرار می‌گیرد، در واقع نقشه‌های پهنه‌بندی قدیمی است که به دلیل ضعف‌های علمی و روش‌شناختی، نه‌تنها نقشه خطر واقعی محسوب نمی‌شوند، بلکه قابلیت تبدیل به نقشه‌های ریسک، تخلیه و مدیریت بحران را نیز ندارند. این خلأ علمی و اجرایی، منجر به شکل‌گیری یک پروژه مشترک با دانشگاه علوم کاربردی رپرسویل (OST) زوریخ، سوئیس شد. در گام نخست پروژه مشخص شد که اگرچه در ایران ضوابط و اسناد بالادستی مرتبط وجود دارد، اما ضعف اصلی در اجرایی‌بودن، انسجام روش‌ها و اتصال آن‌ها به نظام تصمیم‌گیری است.
میرزا تهرانی تاکید کرد: بر همین اساس، با بهره‌گیری از دستورالعمل‌های معتبر سوئیسی و با در نظر گرفتن اقتضائات اداری، نهادی و فرآیندهای تصمیم‌گیری در ایران، یک دستورالعمل بومی‌شده برای تهیه نقشه‌های خطر و ریسک سیلاب طراحی شد. به‌منظور اطمینان از قابلیت اجرای واقعی این دستورالعمل، این چارچوب به‌صورت پایلوت در دو منطقه با شرایط کاملاً متفاوت، یک منطقه مسطح (آق‌قلا) و یک منطقه کوهستانی (پل‌دختر)، پیاده‌سازی شد که نتایج بسیار قابل‌توجه و فراتر از انتظار به همراه داشت و نشان داد امکان گذار از اسناد نظری به ابزارهای عملی تصمیم‌سازی در کشور وجود دارد.
این استاد دانشگاه گفت: این نتایج بسیار قابل‌تأمل بود. به‌طور مشخص، تحلیل‌ها نشان داد که در فاز طراحی شهری و تصمیم‌گیری‌های مرتبط با کاربری اراضی، اگر تصمیم‌گیران قصد داشتند شهر پل‌دختر را به‌گونه‌ای طراحی کنند که در برابر سیلاب بیشترین خسارت را متحمل شود، عملاً نمی‌توانستند انتخابی بدتر از آنچه انجام شده داشته باشند. ساختمان‌ها و تأسیسات حیاتی شهر دقیقاً در بخش‌هایی از محدوده شهری جانمایی و احداث شده‌اند که دارای بالاترین سطح خطر و آسیب‌پذیری سیلابی هستند. این موضوع به‌روشنی نشان می‌دهد که فقدان نقشه‌های خطر و ریسک معتبر و الزام‌آور، چگونه می‌تواند تصمیم‌های کالبدی شهر را به‌سمتی سوق دهد که خود به عامل تشدید خسارات تبدیل شود نه کاهش آن. خوشبختانه این پروژه ۲ ساله که سال گذشته به اتمام رسید،‌ به‌عنوان پروژه برگزیده دفتر همکاری‌های علمی سوییس (Swiss Leading House) اعلام شد.
میرزا تهرانی در ادامه افزود: این پروژه در ادامه، با اخذ حمایت برنامه «همکاری با متخصصان و فناوران ایرانی خارج از کشور (CONNECT) وابسته به سازمان توسعه همکاری‌های علمی و فناورانه بین‌المللی (ODISTC)، معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست جمهوری، به سمت توسعه و عملیاتی‌سازی این دستورالعمل‌ها حرکت کرد و در نهایت به طراحی و پیاده‌سازی دو مدل هوشمند و خودکار با نام‌های «سیاوش» و «فرهاد» انجامید. این مدل‌ها با بهره‌گیری از روش‌های یادگیری ماشین و یادگیری عمیق، امکان بازتولید قابل‌اعتماد نقشه‌های خطر و ریسک سیلاب را به‌ویژه برای مناطق دارای خلأ داده، مانند بسیاری از حوضه‌های آبریز ایران فراهم می‌کنند.
این پژوهشگر تاکید کرد: اتصال پژوهش‌های دانشگاهی به نیازهای عملی صنعت آب و محیط‌زیست، نیازمند تحول در ساختارهای حکمرانی پژوهش است. کارشناسان معتقدند که برای جلوگیری از هدر رفتن سرمایه‌های علمی و جلوگیری از تبدیل آن‌ها به پرونده‌های بایگانی شده، باید سازوکارهای حمایت و نظارت بر پژوهش تغییر کند تا با تمرکز بر پژوهش‌های مسئله‌محور، شکاف میان تئوری و عمل در صنعت آب و محیط‌زیست از میان برداشته شود.

http://www.PoliticalMarketing.ir/Fa/News/789773/پیش-بینی-سیلاب-با-فناوری-یادگیری-ماشینی؛-اجرای-طرح-برتر-سوئیس-در-ایران
بستن   چاپ