سیستم استنتاج فازی عصبی

زمین لرزه ها از بلایای ویرانگر طبیعی تهدید کننده بشر می باشند. از جمله مشکلات بعد از وقوع یک زمین لرزه می توان به موضوع ارزیابی خسارت اشاره کرد. ناحیه، میزان، نرخ و نوع آسیب، اطلاعات ارزشمندی را به منظور فعالیت های بشردوستانه، امداد و بازسازی در منطقه آسیب دیده در اختیار قرار می دهد. عوامل اصلی تعیین کننده هزینه کلی یک بحران، هم به لحاظ آسیب های اقتصادی و هم به لحاظ تلفات جانی، روشن شدن این مسئله است که با چه سرعتی رویداد مورد پاسخ قرار گرفته و با چه کیفیتی اقدامات واکنشی سازماندهی می گردد. تکنیک های سنجش از دور بدلیل دارا بودن قابلیت هایی از جمله واکنش سریع، عدم تماس فیزیکی، هزینه پایین و دید وسیع، نقش ارزشمندی را در استخراج اطلاعات فیزیکی ساختمان ها دارا می باشند. امروزه بدلیل دسترسی به انواع داده های سنجش از دور، روش های متعددی برای ارزیابی خسارت ساختمان ها طراحی و گزارش شده است. هدف از این تحقیق، مروری بر این روش ها بر مبنای بکارگیری تصاویر نوری در سه دسته: رویکرد تصاویر تک زمانه، چند زمانه و تلفیق داده های بُرداری و تصاویر و همچنین ارائه و پیاده سازی یک روش خودکار به منظور تعیین ساختمان های تخریب شده ناشی از زلزله با استفاده از تصاویر ماهواره ای با قدرت تفکیک بالا و لایه های GIS می باشد. در روش پیشنهادی، پس از استخراج توصیفگرهای بافتی از تصاویر قبل و بعد از زلزله برای هر ساختمان و تعیین توصیفگرهای بهینه، یک سیستم استنتاج فازی عصبی برای تعیین وضعیت ساختمان ها در چهار کلاس «سالم تا تخریب ناچیز»، «تخریب متوسط»، «تخریب سنگین» و «ویران» طراحی شد. نتایج نشان می دهد که این سیستم، صحت کلی 89%در دسته بندی ساختمان ها به 4 کلاس تخریب را دارا می باشد.