Journal of Geomatics Science and Technology

fa مدیریت عدم قطعیت با استفاده از ریاضیات بازه ای و محاسبات دانه ای در ارزیابی آسیب پذیری لرزه ای Uncertainty Management using Interval Mathematics and Granular Computing in Seismic Vulnerability Assessment سامانه های اطلاعات مکانی GIS پژوهشي Research زلزله یکی از مخربترین بلاهای طبیعی در مناطق شهری به حساب میآید و به دنبال آن آسیبپذیری فیزیکی و انسانی را به همراه خواهد داشت. یک روش برای کمک به کاهش آسیبپذیری، تهیه نقشه آسیبپذیری لرزهای است. با توجه به اینکه میزان آسیبپذیری هر منطقه به معیارهای متعددی  از جمله شدت زمینلرزه، شیب زمین، تعداد طبقات و قدمت ساختمان وابسته میباشد، ارزیابی آسیبپذیری فیزیکی یک مسئله تصمیمگیری چند معیاره میباشد. از جمله مهمترین منابع عدم قطعیت در تعیین میزان آسیبپذیری هر حوزه آماری، عدم قطعیت مربوط به نظرات کارشناسان میباشد. اگر عدم قطعیت به درستی مدیریت نشود، نقشه آسیبپذیری لرزهای قابل اطمینان نخواهد بود. هدف اصلی این مقاله مدیریت عدم قطعیت موجود در مسئله آسیبپذیری لرزهای با استفاده از ریاضیات بازهای، الگوریتم ژنتیک و محاسبات دانهای میباشد. در این مدل برای کاهش عدم قطعیت موجود در کلاس تصمیمگیری مرتبط با  نظرات کارشناسان، از دو روش استفاده شده است. یک روش استفاده از نظرات چندین کارشناس در حوزههای مرتبط و دیگری از ریاضیات بازهای که یک راهکار مناسب جهت مدیریت عدم قطعیت ناشی از عوامل انسانی در مسائل تصمیمگیری چند معیاره میباشد و  با توجه به دانش محدود کارشناسان، نظرات آنها دقیق نمیباشد. بنابراین در این تحقیق نظرات کارشناسان با استفاده از محاسبات بازهای ارائه میشوند. برای رفع ناسازگاری بین نظرات کارشناسان از الگوریتم ژنتیک استفاده شده است تا یک مقدار قابل اطمینان برای کلاس تصمیمگیری درجه آسیبپذیری حوزههای آماری حاصل شود. از محاسبات دانهای به همراه یک جدول اطلاعات، یک مجموعه قوانین با حداقل ناسازگاری استخراج میشود. برای بررسی دقت مدل از شاخص کاپا استفاده شده است. در پایان نقشه آسیبپذیری فیزیکی شهر تهران با دقت 76%  تهیه شده است. Earthquake as the most devastating natural disaster in urban areas causes huge physical and human damages worldwide. One way to assist reducing the impact of the earthquake on people and infrastructures is to produce a reliable seismic vulnerability map. The physical seismic vulnerability of a region as a multi criteria problem is concerned with seismic intensity, land slope, the number of building floors, building age and quality. Among the most important sources of uncertainty in determining the vulnerability of each urban statistical unit, is the uncertainty related to the conflicts in expert opinions concerning the level of severity of the seismic vulnerability. The main objective of this paper is to manage uncertainty considering different vulnerability classes allocated by the experts in integration of the concerned parameters. In this model, to reduce the uncertainty in the decision making process related to the expert opinions on allocating a seismic physical vulnerability class to each urban statistical unit, interval mathematics, genetic algorithm and granular computing methods are used. The physical seismic vulnerability map has been produced for Tehran on the basis of activation of North Tehran fault. Among 3174 urban statistical units, 150 randomly selected samples have been selected by 5 experts in related geoscience fields. The experts are asked to fill a questionnaire for allocating the physical seismic vulnerability of the samples. Due to the disaggregation in the experts’ knowledge on the physical seismic vulnerability of each statistical unit, their opinions have been integrated using interval mathematics. For the conflict resolution among the experts, genetic algorithm is used. Granular computing has been applied to manage the uncertainty caused by the large amount of information achieved from the parameters affecting the physical vulnerability to assess the seismic physical vulnerability. The relations among the input parameters and the vulnerability classes are presented in a decision table. The rules with a minimum conflict from the decision table are extracted. The vulnerability classes have been sorted from 1 to 5 considering 1 as the least vulnerable class and 5 as the most vulnerable class. According to the results, most of the statistical units in Tehran fall within interval class vulnerabilities of [3 4] and [5 4]. To compare the similarity between the results of the model and those of the previous research by Khamespnah in the same study area, who used an integrated model of granular computing and rough set theory, Spearman rank correlation coefficient was employed. The value of this coefficient was 0.47 that shows some similarities between the results. The accuracy of 76% was achieved in this research using Kappa index verifying the importance of managing uncertainty using interval mathematics. عدم قطعیت, ریاضیات بازه ای, محاسبات دانه ای, الگوریتم ژنتیک, ارزیابی آسیب پذیری لرزه ای فیزیکی Uncertainty, Interval Mathematics, Granular Computing, Genetic Algorithm, Physical Seismic Vulnerability Assessment 39 52 http://jgst.issgeac.ir/browse.php?a_code=A-10-615-1&slc_lang=fa&sid=1 M. R. Delavar محمود رضا دلاور mdelavar@ut.ac.ir 10031947532846005298 10031947532846005298 Yes University of Tehran دانشگاه تهران M. Bahrami میلاد بهرامی m.bahrami70@ut.ac.ir 10031947532846005299 10031947532846005299 No University of Tehran دانشگاه تهران M. Zare مهدی زارع mzare@iiees.ac.ir 10031947532846005300 10031947532846005300 No International Institute of Earthquake Engineering and Seismology پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله