از چهارمحال و بختیاری تا عرصه بین‌المللی:

دانش بومی و هوش مصنوعی برای مقابله با سیل

۱۵ آذر ۱۴۰۴ | ۱۳:۲۹ کد : ۷۶۰۰ اخبار عمومی
تعداد بازدید:۶۹
«پژوهشگر ایرانی با الگوریتم‌های نوین هوش مصنوعی، برنده جایزه بهترین مقاله بین‌المللی شد: یادگیری تقویتی، پهنه‌بندی سیل را متحول می‌کند»
دانش بومی و هوش مصنوعی برای مقابله با سیل

صالح یوسفی، عضو هیات علمی و استادیار بخش حفاظت خاک و آبخیزداری مرکز تحقیقات استان چهارمحال و بختیاری، در دهمین همایش بین‌المللی روزهای ژئوانفورماتیک (IGD2025#) که روزهای ۸ و ۹ آذر ۱۴۰۴ به میزبانی دانشگاه تهران برگزار شد، موفق به دریافت جایزه «بهترین مقاله کنفرانس» (Best Paper Award) گردید.

در این کنفرانس مقالاتی از کشورهای مختلف ارائه گردید.

مقاله برگزیده با عنوان «ارزیابی عملکرد مدل یادگیری تقویتی در پهنه‌بندی حساسیت سیلاب در مناطق مرتفع ایران» به بررسی نوآورانه کاربرد الگوریتم‌های یادگیری تقویتی (Reinforcement Learning) در تهیه نقشه‌های حساسیت سیلاب پرداخته است.

این پژوهش در استان چهارمحال و بختیاری (منطقه‌ای نیمه‌خشک و کوهستانی در غرب ایران با پیچیدگی هیدرولوژیکی بالا) انجام شده و برای نخستین بار الگوریتم‌های یادگیری تقویتی را از حوزه مدیریت سیل به حوزه پهنه‌بندی حساسیت سیلاب گسترش داده است.

در این مطالعه، چهار مدل Q-Learning، Deep Q-Learning، روش نوین مبتنی بر Proximal Policy Optimization با به‌روزرسانی نزدیک (PU) و یک روش ترکیبی جدید به نام RL-Stack پیاده‌سازی و با استفاده از سیستم اطلاعات جغرافیایی (GIS) تلفیق شدند.

به‌منظور افزایش قابلیت تفسیر مدل‌ها، از روش SHAP برای تعیین اهمیت متغیرها استفاده شد. نتایج اعتبارسنجی میدانی نشان داد که نقشه‌های تولیدشده از دقت بالا و قابلیت عملیاتی برخوردارند. مدل PU بهترین تعادل را بین حساسیت و پایداری مکانی برقرار کرد. مدل Deep Q-Learning در برخی مناطق دچار بیش‌برآورد و ناپایداری محلی شد.

روش ترکیبی RL-Stack بهترین عملکرد را در شناسایی نواحی بسیار مستعد سیل داشت. الگوریتم کلاسیک Q-Learning در محیط‌های پیوسته و نامتعادل عملکرد ضعیف‌تری نشان داد. تحلیل SHAP نشان داد که «عمق برف» مهم‌ترین عامل هیدرولوژیکی است و نقش دوگانه‌ای دارد: در صورت ذوب سریع، خطر سیل را به‌شدت افزایش می‌دهد و در صورت ماندگاری، رواناب را کاهش می‌دهد. بارش‌های شدید و کوتاه‌مدت همراه با عمق برف بالا و تجمع جریان، محرک اصلی سیلاب‌های خطرناک «باران‌برف (rain-on-snow) شناسایی شدند.

این دستاورد ارزشمند، گامی مهم در جهت استفاده از هوش مصنوعی پیشرفته (GeoAI) برای مدیریت مخاطرات طبیعی در ایران محسوب می‌شود.

دکتر یوسفی این موفقیت را مرهون تلاش تیم پژوهشی ( سرکار خانم مهندس سارا مردانیان) و دقت کمیته علمی کنفرانس دانست و از برگزارکنندگان و دانشگاه تهران صمیمانه تشکر کرد.

آخرین ویرایش ۱۵ آذر ۱۴۰۴

اخبار مرتبط


( ۳ )

نظر شما :