شناسایی سدهای در معرض خطر توسط هوش مصنوعی

در سرتاسر ایالات متحده آمریکا تعداد ۱۵،۴۹۸ سد از مجموع بیش از ۸۸،۰۰۰ سد موجود در این کشور، در دسته سدهای با خطر زیاد قرار می گیرند. این بدان معناست که در صورت وقوع شکست در این سدها، مردم در معرض خطر جانی قرار خواهند گرفت. در سال ۲۰۱۵، تعداد ۲،۰۰۰ سد از سدهای در معرض خطر نیاز به تعمیر و ترمیم داشته­ اند. با هزینه سنگین ۲۰ میلیارد دلاری که برای تعمیر این سدها تخمین زده شد، نباید انتظار داشت که این تعمیرات ظرف مدت کوتاهی اتفاق بیافتد.

اخیراً پروژه ای با هدف کمک­ رسانی به روند ترمیم و نگهداری این سدها تعریف شده است. تیم تحقیقاتی به دنبال تعیین پرخطرترین سدها با استفاده از مدل های آب و هوایی، اطلاعات GIS و البته هوش مصنوعی هستند تا بتوانند احتمال این که نزولات جوی با موقعیت سد هم پوشانی پیدا کرده و موجب تخریب زیرساخت ها و جمعیت پایین دست شود را پیش بینی کنند.

ما می توانیم تعیین کنیم که تعمیر و ترمیم کدام سدها باید در اولویت قرار گیرد و این که کدام سدها باید جهت انجام اقدامات اضطراری به صورت مستمر پایش شوند.

بیونگجین سو (Byungjin So) محقق فوق دکتری و عضو تیم تحقیقاتی

این اقدامات باید به صورت فوری انجام شود. زیرا سن سدهای ایالات متحده رو به افزایش بوده و هم چنین تغییرات آب و هوایی احتمال بارش های سنگین و خشکسالی را افزایش می دهد. سن عمده این سدها از عمر سرویس دهی در نظر گرفته شده در طراحی، گذشته است و از طرفی وضعیت کنونی آن ها نیز به صورت مستمر و مناسب، پایش نشده است. نگهداری این سدهای قدیمی خود موجب نگرانی است، چرا که اخیراً سد اورویل (Oroville Dam) در کالیفرنیا به عنوان بلندترین سد کشور شکسته شد. شکست سرریز این سد منجر به تخلیه ۲۰۰ هزار نفر جمعیت و هم چنین مختل شدن آب رسانی به شهرهای پایین دست شد. هزینه تعمیر سد اورویل، در حال حاضر به ۱ میلیارد دلار رسیده است و این در حالی است که هزینه های ترمیم و نگهداری تنها چند میلیون دلار تخمین زده شده بود.

قدم های نخست

فرآیند پیش بینی با داده های آب و هوایی آغاز می شود. بنابراین کار با مدل های آب و هوایی انجام شده تا الگوهای جریانات جوی و رطوبت هوا نسبت به فضا و زمان شناسایی شود. به خصوص مطالعه بادهایی که آب را در مسیر عبورشان از اقیانوس آرام به سمت کالیفرنیا حمل می­ کنند، مورد توجه قرار می­ گیرد. به گفته بیونگجین سو، این طرح در حال حاضر فقط محدود به ایالت کالیفرنیا است. اما قرار است در آینده در کل ایالات متحده اجرا شود.

مرکز آب کلمبیا (The Columbia Water Center) جریانات جوی و الگوهای رطوبت که بر میزان بارش در کالیفرنیا اثر می گذارد را مورد تحلیل و بررسی قرار می دهد. رنگ هر خط بیانگر میزان خاصی از رطوبت است.

در ادامه با استفاده از هوش مصنوعی مشخص می شود که آیا میزان رطوبت و الگوهای جریانات جوی موجود منجر به نزولات جوی می شود یا خیر. هوش مصنوعی بر اساس روش یادگیری ژرف (Deep Learning) با تحلیل اطلاعات جمع آوری شده از سال ۱۹۸۰ تشخیص می دهد که کدام الگوها منجر به بارش در سطح کالیفرنیا می شوند. بر این اساس، سامانه های پیش روی جوّی در دسته بندی «با بارش» و یا «بدون بارش» با ۹۵ درصد دقت قرار می گیرند.

در آخر، این سامانه هوش مصنوعی پیش بینی می کند که بارش ها منجر به خرابی سد می شود یا خیر. این تحلیل بر اساس نقشه های توپوگرافی، ارتفاع سد، ظرفیت مخزن سد و محاسبه رواناب ها و جهت پیش بینی هم پوشانی سامانه بارشی با منطقه مورد نظر انجام می گیرد. در همین حال، اطلاعات جمعیت شناسی (Demographic Information)، جمعیت و زیرساخت های حیاتیِ در معرض خطر که در پایین دست سد قرار دارند را مشخص می کند.

قدم های بعدی

در حال حاضر هوش مصنوعی تنها کمک می کند تا بتوان سامانه های آب و هوایی را به دو دسته «با بارش» و یا «بدون بارش» تقسیم بندی کرد. بیونگجین سو معتقد است که در آینده می توان اطلاعات دقیق تری مانند میزان بارش را نیز پیش بینی کرد.

علاوه بر این، سعی بر آن است که اجزای هوش مصنوعی را با مدل آب و هوایی ترکیب کنند. مدل ارزیابی سدها، حمل و نقل، تولید برق، جمعیت و زیرساخت های آب و فاضلاب را رصد می کند که هر کدام از موارد ذکر شده می تواند در صورت بروز شکست در سدها تحت تأثیر قرار بگیرد. هم چنین روش یادگیری ماشین از شبیه سازی های دقیق دینامیک شکست سد در مورد تعداد محدودی از سدها استفاده می کند تا مشخص سازد که بروز شکست در چه تعدادی از ۸۸،۰۰۰ سد در معرض خطر منجر به ایجاد سیلاب و آسیب در پایین دست می شود.

بیونگجین سو امیدوار است که نتایج این تحقیق تا سال ۲۰۲۰ آماده و تکمیل گردد تا بتواند در جهت محافظت از مردم و زیر ساخت ها در اختیار مسئولین و تصمیم گیران در سطح دنیا قرار گیرد.

Phys.org
فیسبوک توییتر گوگل + لینکداین تلگرام واتس اپ

امتیاز شما به مطلب

دوست داشتم: 6
دوست نداشتم: 3
میانگین امتیازات: 2

۴ دیدگاه در “شناسایی سدهای در معرض خطر توسط هوش مصنوعی

بسیار عالی بود. متشکرم از توجه به کاربردهای متفاوت هوش مصنوعی در مهندسی.

ممنون از حسن توجه شما
جالب است بدانید در سیلاب اخیر استان خوزستان نیز از الگوریتم های هوش مصنوعی برای مدیریت سرریز سد کرخه و جلوگیری از آسیب به این سد استفاده شده است.

جالبه. نمی دونستم توی ایران توجهی به این مسأله بشه. میشه توضیح بیشتر بدید. مقاله ای در این زمینه زمینه نوشته نشده. منظورم جزئیات فنی تر و چند و چون الگوریتم هاست. اصلاً چه مزیتی دارند این الگوریتم ها نسبت به محاسباتی که قبلاً میشده برای سدها؟ فکر کنم سال های سال هست که نرم افزارهای مدل سازی سازه و عملکرد سد وجود داشته. یعنی الان تغییر خاصی ایجاد شده توی نرم افزارها؟

متاسفانه اطلاعات دقیق در اختیار ندارم و شاید از طریق برخی همکاران بتوانم اطلاعات بیشتری در آینده به دست بیاورم که قطعا در اختیار قرار خواهم داد.
لذا در مورد جزئیات فنی و دقیق الگوریتم ها اطلاعی ندارم اما میدانم که این الگوریتم ها در جهت بهینه سازی کنترل سیلاب با دوره بازگشت 1000 ساله و همچنین تنظیم مانور دریچه های سد جهت حفظ پایداری سد خاکی کرخه استفاده شده است. مطابق اطلاعات در دسترس، هدف از به کارگیری این الگوریتم ها مستقل از نرم افزارهای متداول و موجود، یافتن بهینه ترین تراز مخزن سد بوده است به گونه ای که اولاً سیلاب رخ داده و پیش بینی شده بر اساس اطلاعات هواشناسی تا حد ممکن مهار شود و کمترین آسیب به پایین دست برسد و ثانیاً سازه خاکی سد مقاومت کافی در برابر بارهای وارد شده را داشته باشد.
از آنجایی که در مدیریت سیلاب ها، عوامل زیادی همچون ویژگی های سازه ای سد، ظرفیت مخزن سد، شرایط پایین دست سد، اطلاعات هواشناسی و … دخیل هستند، هوش مصنوعی می تواند کمک شایانی به بهینه سازی این فرآیند نماید.
امیدوارم مطالب ذکر شده مفید بوده باشد.

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *