دوره 1404، شماره 2 - ( تابستان 1404 1404 )
جلد 1404 شماره 2 صفحات 0-0 |
برگشت به فهرست نسخه ها
Ethics code: IR.MEDILAM.REC.1402.160
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Sahebi A, Sayadi H, kheiry M, havasy B. Comparison of machine learning algorithms in predicting the total time of firefighting operations in fire accidents. Journal title 2025; 1404 (2)
URL: http://newresearch.medilam.ac.ir/article-1-2440-fa.html
URL: http://newresearch.medilam.ac.ir/article-1-2440-fa.html
صاحبی علی، صیادی حجت، خیری مریم، هواسی بهرام. مقایسه الگوریتم های یادگیری ماشینی در پیش بینی زمان کل عملیات آتش نشانی در حوادث آتش سوزی. عنوان نشریه. 1404; 1404 (2)
URL: http://newresearch.medilam.ac.ir/article-1-2440-fa.html
مرکز تحقیقات غیرواگیر، دانشگاه علوم پزشکی ایلام
چکیده: (18 مشاهده)
حوادث آتش سوزی به عنوان یکی از خطرناک ترین حوادث، علاوه بر خسارات مالی، تهدید بزرگی برای سلامتی انسان می باشد. تعداد زیادی از حوادث آتش سوزی توسط انسان ایجاد شده است، اگر چه عوامل دیگری مانند خشکسالی، باد، صاعقه و توپوگرافی تأثیر مهمی در وقوع و گسترش آتش سوزی ها دارند. آتش نشانی به عنوان یک شغل پر استرس با چالش های فیزیکی منحصر به فردی برای اطفای حریق همراه بوده است. از طرفی شناسایی تجربیات آتش نشانان برای کمک به سازمان های آتش نشانی برای بهینه سازی طراحی استراتژی های بهبود عملکرد و کاهش خطر ضروری است. در عملیات آتش نشانی کاهش مدت زمان رسیدن به حادثه در نجات جان افراد اهمیت دارد با پیش بینی مدت زمان تخلیه، می توان اطلاعات دقیق و تحلیل های صحیحی را برای برنامه ریزی واکنش اضطراری به دست آورد و مدیران را قادر می سازد تا تصمیم گیری های درستی را در موقعیت های اضطراری برای تحمیل خطر کمتر بگیرند مدل‌سازی و پیش‌بینی رفتار آتش‌سوزی یک چالش چند رشته‌ای است که توسط بسیاری از محققان از پیشینه‌های مختلف در مهندسی، بوم‌شناسی، فیزیک، علوم کامپیوتر، شیمی، ریاضیات، جنگل‌داری و سایر زمینه‌ها به آن پرداخته می‌شود . بنابراین استفاده از فناوری‌های هوش مصنوعی می‌تواند در آتش نشانی مؤثر باشد زیرا به محققان در ساخت solid models برای نظارت بر آتش سوزی ها و تشخیص ناهنجاری ها در زمان واقعی کمک می کند. یادگیری ماشینی به عنوان یکی از زیرمجموعه های خیلی مهم هوش مصنوعی می تواند در پیش بینی اهداف مورد استفاده برای اطفای حریق مانند تعداد ماشین های آتش نشانی مورد نیاز برای عملیات اطفای حریق در حوادث ساختمانی و ترافیکی مورد استفاده قرار گیرد. بنابراین در پژوهش حاضر تلاش خواهد شد تا با استفاده از انواع مدل های یادگیری ماشینی، متغیرهای موثر بر زمان کل عملیات آتش نشانی در حوادث آتش سوزی شناسایی شده و با استفاده از کاراترین مدل پیشنهادی و پیش بینی زمان کل عملیات، اقدامات موثر انجام گیرد
نوع مطالعه: سایر...... |
موضوع پروپزال:
سایر....
دریافت: 1402/4/4 | پذیرش: 1402/5/9 | انتشار: 1404/4/10
دریافت: 1402/4/4 | پذیرش: 1402/5/9 | انتشار: 1404/4/10
پادکست [DOCX 41 KB]
نوع فایل: فایل پیام پژوهش
عنوان فایل: پادکست
سال تعهد: 1404
منبع: پادکست
چکیده:
(0 دریافت)
نوع فایل: فایل پیام پژوهش
عنوان فایل: پادکست
سال تعهد: 1404
منبع: پادکست
چکیده:
(0 دریافت)
ارسال پیام به مجری اصلی
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
