راحله صنیعی

موضوع آسیب­پذیری شهرها در برابر زلزله همیشه مورد تحقیق کارشناسان این امر بوده است. این پژوهش دارای ابعاد گوناگونی می­باشد از جمله پایداری و ناپایداری مصالح ساختمانی و ارتباط آن با عوامل و شاخص­های انسانی. این بحث عمدتاً بخش نامرئی برنامه­ریزی شهری محسوب می­شود و برنامه­ریزی بدون در نظر گرفتن آن منجر به شکست خواهد شد. هدف این پژوهش، تعیین شاخص­های انسانی مؤثر بر پایداری و ناپایداری مصالح ساختمانی مناطق شهری استان­های کشور است. از این رو در این پژوهش با رویکرد روش­های کمی ـ تحلیلی به مطالعه این عوامل پرداخته شده است. ابتدا با استفاده از روش SDI توسعه­یافتگی مصالح ساختمانی استان­ها محاسبه گردید که در آن استان­ها به چهاردسته تقسیم می­شوند و استان­های مازندران، ایلام، اصفهان، گیلان، مرکزی، کهکیلویه و بویراحمد، تهران در وضعیت توسعه­یافته جای می­گیرند. در گام بعدی با استفاده از روش تحلیل عاملی 90 نماگر به 11 عامل تأثیر­گذار تقلیل یافت. سپس با استفاده از روش رگرسیون آشکار گردید که عوامل اول، چهارم، هفتم و نهم بیشترین تأثیر را در توسعه­یافتگی مصالح داشته­اند.

با توجه به تاثیر دما در شرایط اقلیمی هر منطقه و اهمیت پیش بینی آن در برنامه ریزی های محیطی، استفاده از روش های دقیق تر آماری برای مطالعه تغییر و پیش بینی عناصری مثل دما، کاربرد وسیعی پیدا کرده است. یکی از روش های مذکور کاربست مدل سری زمانی هالت - وینترز است. با توجه به هدف پیش بینی که تخمین مقادیر کرانگین دمای اصفهان برای 10 سال آتی در بازه 2006 تا 2015 بوده است، ابتدا با توجه به تعداد داده های موجود از هر یک از سری ها که 55 عدد (بازه زمانی داده ها 1951 تا 2005 میلادی بوده است) بود، روش های مختلف پیش بینی سری زمانی مورد آزمون قرار گرفت. از میان روش های مذکور فقط مدل سری زمانی هالت - وینترز قابلیت پیش بینی اعداد منفی سری حداقل مطلق دماهای به ثبت رسیده سالانه اصفهان را داشت. پس از بررسی و آزمون مدل ها و درنظر گرفتن شاخص های ارزیابی، دقت و صحت مدل بار دیگر ثابت شد که مدل هالت - وینترز نتایج بسیار بهتری نسبت به سایر مدل ها ارایه می کند و به این علت به عنوان مدل مطالعاتی برای پیش بینی مقادیر 10 سال آتی دماهای مطلق حداقل و حداکثر اصفهان انتخاب گردید. این مطالعه نشان داد که بهترین مدل برای پیش بینی آتی دماهای مطلق حداقل و حداکثر اصفهان، مدل هالت - وینترز است.

علی‌رغم تلاشهای گسترده بسیاری که در جهان برای تعیین خطرات زمین‌لرزه‌ای انجام شده است هنوز امکان پیش‌بینی دقیق زمان و مکان زمین‌لرزه‌ها میسر نشده است. بررسی‌ها و مطالعات انجام شده حاکی از آن است که با توجه به اطلاعات قابل دسترس و آمار و احتمالات می‌توان آسیب‌پذیری مناطق مسکونی در حین رخداد زمین‌لرزه را پیش‌بینی و تدابیر لازم را اندیشید. در راستای این هدف با توجه به پژوهشهای کتابخانه‌ای و میدانی پرسشنامه‌ای تهیه شد و از طریق معادله کوکران 322 پرسشنامه در مناطق 11 و 12 براساس جمعیت موجود توزیع شد. سپس با استفاده از تحلیلهایی مثل رگرسیون و روش T، کی‌دو و همبستگی از طریق نرم‌افزار SPSS تجزیه و تحلیل اطلاعات آماری انجام شده است. نتایج تحلیلهای به‌عمل آمده حاکی از آن است که بین شاخصهای آسیب‌پذیری، قدمت ساختمان، تراکم، نوع مصالح و عرض معبر رابطه معنیدار وجود دارد و از نظر شاخص آسیب‌پذیری، منطقه 12 بیش از منطقه 11، در شاخص عرض معبر، منطقه 12 کمتر از منطقه 11 بوده و 3/81% از مساکن قرار گرفته در بافت متراکم در سطح آسیب‌پذیری زیاد قرار دارند. در ضمن برای طراحی نقشه‌ها و تحلیل فضایی نیز از نرم‌افزار Arc GIS استفاده شده است.

در این مقاله ویژگی‌های غیرخطی و پیچیدگی سیستم اقلیمی سیاره‌ی زمین مورد بررسی قرار گرفته و استفاده از روش غیرخطی شبکه‌های عصبی مصنوعی به عنوان روشی قابل اعتماد و نسبتاً دقیق برای مطالعه‌ی سیستم اقلیم و مؤلفه‌ها و اجزای آن توصیه شده است. این مطالعه ضمن برشماری مزایای مدل غیرخطی شبکه‌ی عصبی مصنوعی نسبت به مدل‌های کلاسیک بر لزوم استفاده از روش‌های پیشرفته در مطالعه‌ی سامانه‌های اقلیمی و اجزای آن تأکید دارد. همچنین این مطالعه به این نتیجه رسیده که روابط موجود بین عوامل و عناصر اقلیمی یا سازندگان دستگاه اقلیمی بسیار پیچیده تر از آنی است که شاید در مدل ها لحاظ شده است. بر این اساس به نظر می‌رسد که می‌شود در استفاده از مدل‌های کلاسیک برای مطالعات اقلیمی تجدید نظری نمود؛ زیرا زمانی که مدل‌های پیشرفته‌ای مانند شبکه‌های عصبی نمی‌توانند به طور کامل رفتار سیستم‌های اقلیم و خط سیر زمانی و مکانی آن را پیش‌بینی کنند، چنین امکانی در استفاده از مدل های ساده‌ی کلاسیک محدود می شود.