نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد، گروه کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران، تهران، ایران

2 دانشیار، قطب علمی مهندسی نقشه‌برداری و مقابله با سوانح طبیعی، گروه مهندسی نقشه‌برداری، پردیس دانشکده‌های فنی دانشگاه تهران، تهران، ایران.

3 استاد، قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، گروه کنترل، دانشگاه تهران، تهران، ایران

4 دانشیار، پژوهشگاه بین‌المللی زلزله‌شناسی و مهندسی زلزله، تهران، ایران

چکیده

ارزیابی آسیب‌پذیری لرزه‌ای، یک مسئله تصمیم‌گیری چند‌معیاره بر اساس اطلاعات مکانی است که وزن و اهمیت هر کدام از این معیارها توسط افراد خبره تعیین می‌شود. اطلاعات مکانی با عدم قطعیت‌هایی همراه است. یکی از روش‌های تلفیق این اطلاعات، تئوری استدلال شهودی است. این تئوری بر اساس فرض استقلال منابع اطلاعاتی است که در بسیاری از موارد از جمله داده‌های مکانی، فرض صحیحی نیست. در این نوشتار یک روش تصمیم­گیری چند‌معیاره هوشمند بر اساس قانون ترکیب یکپارچه هوشیار (Cautious Conjunctive Rule) برایارزیابیآسیب‌پذیری لرزه‌ای شهر تهران با فرض فعال شدن گسل شمال تهران ارائه شده است. همچنین فرض شده است که فعال شدن این گسل تأثیری در فعال شدن دیگر گسل‌های شهر تهران ندارد. این قانون ترکیب نیاز به فرض استقلال منابع اطلاعاتی ندارد و می‌تواند برای استفاده از داده‌هایی که همپوشانی اطلاعاتی دارد و همراه با عدم قطعیت هستند  به‌کار گرفته شود.

کلیدواژه‌ها

 
Aghataher, R., 2005- Evaluation of seismic vulnerability of Tehran using geospatial information system, MSC thesis, University of Tehran, faculty of engineering.
Amiri, A., 2008- Assessment of seismic risk in Tehran using uncertainty theories , MSC thesis, University of Tehran, faculty of engineering.
Balestra, G. & Tsoukias, A., 1990- Multicriteria analysis represented by artificial intelligence  techniques, J. Oper. Res. Soc., Vol. 41, No. 5, pp. 419–430.
Dempster, A. P., 1967- Upper and lower probabilities induced by a multivalued mapping, Annals of Mathematical Statistics 38 pp: 325–339.
Denoeux, T., 2008- Conjunctive and disjunctive combination of belief functions induced by nondistinct bodies of evidence, Artificial Intelligence 172 pp:234–264.
Elouedi, Z. & Mellouli, K., 1998- Pooling dependent expert opinions using the theory of evidence, in: Proc. of the Seventh Int. Conf. on Information Processing and Management of Uncertainty in Knowledge-Based Systems (IPMU 98), Vol. 1, Paris, France, pp: 32–39.
Huang, C. L. & Yoon, K., 1981- Multiple Attribute Decision Making Methods and Applications, A State-of-Art Survey. New York: Springer-Verlag.
Ling, X. N. & Rudd, W. G., 1989- Combining opinions from several experts, Applied Artificial Intelligence 3 pp: 439–452.
Saaty, T. L., 1977- A scaling method for priorities in hierarchical structures, Journal of Mathematical Psychology, Vol15, pp:59–62.
Shafer, G., 1976 - Mathematical Theory of Evidence. Princeton. N.J.: Princeton Univ. Press.
Silavi, T., 2006- Assessment of vulnerability of earthquake in Tehran using intuitionistic fuzzy model, MSC thesis, University of Tehran, faculty of engineering.
Smets, Ph. &  Kennes, R., 1994- The transferable belief model, Artificial Intelligence 66 pp:191–243.
Smets, Ph., 1993- Belief functions: the disjunctive rule of combination and the generalized Bayesian theorem, International Journal of Approximate Reasoning 9 pp:1–35.
Smets, Ph., 1995- The canonical decomposition of a weighted belief, in: Int. Joint Conf. on Artificial Intelligence, Morgan Kaufman, San Mateo, CA, pp. 1896–1901.
Stewart, T. J., 1992- A critical survey on the status of multiple criteria decision making theory and practice,” OMEGA Int. J. Manage. Sci., Vol. 20, No. 5/6, pp. 569–586.
White, C. C., 1990- A survey on the integration of decision analysis and expert systems for decision support, IEEE Trans. Syst., Man, Cybern., vol. 20, no. 2, pp. 358–364.
Xu, D. L., Yang, J. B. & Wang, Y. M., 2006- The evidential reasoning approach for multi-attribute decision analysis under interval uncertainty, European Journal of Operational Research 174 : 1914–1943.
Yager, R. R., 1988- On Ordered Weighted Averaging Aggregation Operators in Multi Criteria Decision Making, IEEE Trans. Syst., Man, Cybern, Vol 18, No 1,pp:183-190.
Yager, R. R., 1995- Decision-making under various types of uncertainties, J. Intell. Fuzzy Syst., Vol. 3, No. 4, pp. 317–323.
Yang, J. B. & Singh, M. G., 1994- An evidential reasoning approach for multiple attribute decision making with uncertainty, IEEE Trans. Syst., Man, Cybern., Vol. 24, No. 1, pp. 1–18,.
Yang, J. B. & Xu, D. L., 2002- On evidential reasoning algorithms for multiattribute decision analysis under uncertainty, IEEE Trans. Syst., Man, Cybern. A, Vol. 32, pp. 278–304.
Yang, J. B., 2001- Rule and utility based evidential reasoning approach for multiple attribute decision analysis under uncertainty, Eur. J. Oper. Res., Vol. 131, No. 1, pp. 31–61.