محمد عرب امیری

موقعیت ایستگاه های آتش نشانی نقش مهمی در کارآیی این مراکز در حین حوادث آتش سوزی دارد. بنابراین، مکان یابی ایستگاه های آتش نشانی به منظور پوشش دهی بیشینه این ایستگاه ها به مراکز جمعیتی، ضروری به نظر می رسد. از سوی دیگر، مکان یابی ایستگاه های آتش نشانی و تخصیص جمعیت به آن ها، یک مسأله ی بهینه یابی ترکیبی محسوب می شود. بنابراین، هدف این تحقیق ترکیب سیستم اطلاعات مکانی و یک الگوریتم فرا ابتکاری مبتنی بر الگوریتم کلونی مورچه برای مکان یابی بهینه ی ایستگاه های آتش نشانی می باشد. برای این منظور، مطالعه ای موردی در پنج منطقه ی شهر تهران انجام شد. در این تحقیق، در ابتدا مناطق مناسب با روش فرآیند تحلیل سلسله مراتبی که یک روش تصمیم گیری چند معیاره متداول می باشد، شناخته شدند. برای این منظور، دسترسی به معابر اصلی، مجاورت به کاربری های سازگار، و دوری از کاربری های ناسازگار به عنوان معیارها در نظر گرفته شدند. علاوه بر این، محدوده ی پوشش ایستگاه های موجود نیز در نقشه نهایی در نظر گرفته شد. سپس توسط الگوریتم کلونی مورچه ی پیشنهادی ایستگاه های مناسب از میان گزینه های مستعد انتخاب شدند. به منظور انتخاب این ایستگاه ها، پارامترهایی شامل تلفیق فاصله ی مناسب میان ایستگاه های آتش نشانی و بیشینه کردن جمعیتی که توسط این ایستگاه های آتش نشانی در زمان استاندارد سرویس دهی می شوند، در نظر گرفته شدند. نتایج محاسباتی نشان می دهد که الگوریتم ارائه شده می تواند جواب های با کیفیتی را برای این گونه مسائل در زمانی کوتاه به دست آورد. نتایج این تحقیق همچنین کارایی این روش در مکان یابی بهینه ی ایستگاه های آتش نشانی را نشان داد.

تهیه نقشه حساسیت زمین لغزش یک ابزار ضروری برای مدیریت بحران می باشد. هدف مطالعه حاضر بررسی تهیه نقشه حساسیت زمین لغزش با استفاده از کشف قوانین طبقه بندی (CRD) توسط بهینه سازی کلونی مورچه (ACO) می باشد. این روش مدلسازی برای ارزیابی حساسیت زمین لغزش در شهرستان جوانرود از استان کرمانشاه به کار گرفته شد. برای این منظور، لایه های موضوعی شامل شیب، فاصله از گسل ها، فاصله از آبراهه، بارندگی، کاربری و بافت خاک استفاده شدند. این مطالعه روش یکی در یک زمان (OAT) را به عنوان روش تحلیل حساسیت برای بدست آوردن وابستگی خروجی های مدل به پارامترهای ورودی استفاده نمود. سپس، عملکرد الگوریتم ارائه شده با مقایسه با الگوریتم درخت تصمیم گیری C5 که یک روش کشف قوانین طبقه بندی شناخته شده می باشد، اعتبارسنجی شد. برای سنجش صحت نقشه حساسیت زمین لغزش حاصل، این نقشه با توزیع زمین لغزش های مشاهده شده ارزیابی شد. نقشه حاصل نشان داد که قدرت پیش بینی مدل بسیار بالا می باشد. به طور کلی، حدود 20% از منطقه مطالعه در طبقات حساس و بسیار حساس می افتد، و اغلب زمین لغزش های پیشین (81.25%) در این طبقات رخ می دهند. نتایج این مطالعه نشان داد که این مدل می تواند به طور کارآمدی در تهیه نقشه های حساسیت زمین لغزش به کار رود.