કુદરતી આપત્તિ અને ભૂસ્તરશાસ્ત્રીય સંકટ: ભૂસ્ખલન, ધરતીકંપ અને લિક્વિફેક્શન

નફો:

• ભૂસ્ખલન સંવેદનશીલતા મેપિંગ, સિસ્મિક સંકટ અને પ્રવાહી આકારણીમાં AI ના ઉપયોગોને સમજો.
• મલ્ટિવેરિયેટ હેઝાર્ડ ડેટામાંથી જોખમ વર્ગીકરણ અને પ્રારંભિક ચેતવણી વર્કફ્લો બનાવવાની ક્ષમતા
• જીવન સુરક્ષા જવાબદારી, ખોટા એલાર્મ બેલેન્સ અને ફીલ્ડ પુરાવા સાથે જોખમી આઉટપુટ ચકાસવાની ક્ષમતા

આ એકમનો વિષય ભૂસ્તરશાસ્ત્રીય ઇજનેરીનો સૌથી જવાબદાર વિસ્તાર છે: કુદરતી આપત્તિ અને ભૂસ્તરશાસ્ત્રીય સંકટનું મૂલ્યાંકન. અહીં એક ભૂલની કિંમત પૈસા નથી, પરંતુ માનવ જીવન છે. જો ભૂસ્ખલન સંવેદનશીલતા નકશો ખોટી રીતે પડોશને "સુરક્ષિત" તરીકે બતાવે છે, તો કોઈ પગલાં લેવામાં આવતાં નથી; જો લિક્વિફેક્શન એસેસમેન્ટ હોસ્પિટલની નીચેની જમીનને ખોટી રીતે વાંચે છે, તો ધરતીકંપ દરમિયાન માળખું ડૂબી શકે છે. આ ક્ષેત્રમાં, કૃત્રિમ બુદ્ધિમત્તા મલ્ટિવેરિયેટ ડેટાની પ્રક્રિયા કરવા, પેટર્ન મેળવવા અને પ્રારંભિક ચેતવણી સંકેતોને ફિલ્ટર કરવામાં વાસ્તવિક મૂલ્ય ઉત્પન્ન કરે છે. પરંતુ તે ચોક્કસપણે આ ક્ષેત્રમાં છે કે ચકાસણી સૌથી કડક હોવી જોઈએ, એન્જિનિયરની મંજૂરી સૌથી સંપૂર્ણ, અને અનિશ્ચિતતાનું સંચાલન સૌથી ચોક્કસ હોવું જોઈએ, કારણ કે ખોટા આઉટપુટની કિંમત સૌથી વધુ છે.

આ એકમમાં, અમે કૃત્રિમ બુદ્ધિમત્તાના લેન્સ દ્વારા ત્રણ પ્રકારના જોખમોને ધ્યાનમાં લઈશું: ભૂસ્ખલન સંવેદનશીલતા મેપિંગ (મલ્ટિવેરિયેટ ડેટા પરથી અનુમાન લગાવવું કે જે ઢોળાવ સરકવાનું જોખમ ધરાવે છે), ધરતીકંપનું જોખમ (ભૂકંપની જમીનની ગતિની સંભવિત તીવ્રતા), અને લિક્વિફિકેશન (જ્યારે સંતૃપ્ત ઢીલી રેતીની ક્ષમતા ગુમાવે છે). અમારો સામાન્ય વિષય એ છે કે શા માટે જોખમ આઉટપુટ પર ખોટી નકારાત્મકતા (વાસ્તવમાં ખતરનાક વિસ્તારને સુરક્ષિત તરીકે વર્ગીકૃત કરવી) ઘાતક છે અને જીવન સલામતીની તરફેણમાં થ્રેશોલ્ડ કેવી રીતે સેટ કરવું.

ખોટા નકારાત્મક અને ખોટા હકારાત્મક સંતુલન

જોખમ વર્ગીકરણમાં બે પ્રકારની ભૂલો છે. ખોટા હકારાત્મક એ સુરક્ષિત વિસ્તારને ખતરનાક તરીકે વર્ગીકૃત કરે છે; પરિણામ બિનજરૂરી ખર્ચ, વધારાની તપાસ, કદાચ પ્રોજેક્ટમાં વિલંબ - તે જીવનની દ્રષ્ટિએ સલામત બાજુ પર છે. ખોટા નકારાત્મક એ ખતરનાક વિસ્તારને સલામત તરીકે વર્ગીકૃત કરે છે; પરિણામ સાવચેતી રાખવામાં નિષ્ફળતા અને જીવન/સંપત્તિનું સંભવિત નુકસાન છે. આ બે ભૂલો સમાન નથી. જીવન સલામતીના ક્ષેત્રોમાં, ખોટા નકારાત્મકને ઘટાડવા માટે થ્રેશોલ્ડ સાવધાનીપૂર્વક પસંદ કરવામાં આવે છે; એટલે કે, જ્યારે શંકા હોય, ત્યારે તે ખતરનાક બાજુ તરફ વળે છે અને ફિલ્ડ કન્ફર્મેશન દ્વારા તેની પુષ્ટિ થાય છે.

AI મોડલ્સ સામાન્ય રીતે થ્રેશોલ્ડ પસંદ કરે છે જે એકંદર ચોકસાઈને મહત્તમ કરશે. પરંતુ સંકટ વિજ્ઞાનમાં, ધ્યેય સંપૂર્ણ ચોકસાઈ નથી પરંતુ ખોટા નકારાત્મકને ઓછું રાખવું છે. તેથી, મોડેલનું આઉટપુટ માપાંકિત સંભાવના હોવી જોઈએ, "વર્ગ" નહીં, અને પરિણામોને જાણીને, જોખમ નિષ્ણાત દ્વારા થ્રેશોલ્ડ સેટ કરવી જોઈએ. ભૂસ્ખલન મોડેલની 92% ચોકસાઈ નકામી છે જો તે વાસ્તવિક ભૂસ્ખલનમાંથી અડધી ચૂકી જાય.

સાવધાન: જોખમી મોડેલની ઉચ્ચ એકંદર સચોટતાથી મૂર્ખ ન બનો. દુર્લભ પરંતુ જીવલેણ ઘટનાઓ (ભૂસ્ખલન, લિક્વિફેક્શન) માટે મિસ રેટ (ખોટી નકારાત્મક) જુઓ. જીવન સલામતીનો માપદંડ એવરેજ સાચો ન હોવો જોઈએ, પરંતુ ખતરનાકને ચૂકી જવાનો નથી.

ભૂસ્ખલન સંવેદનશીલતા મેપિંગ

લેન્ડસ્લાઇડની સંવેદનશીલતા, "જ્યારે બધી શરતો પૂરી થાય ત્યારે શું આ સ્થાન સ્લાઇડ થશે?" ભૌગોલિક અને ટોપોગ્રાફિક ચલ સાથે પ્રશ્નનો જવાબ આપે છે. ઇનપુટ્સ સામાન્ય રીતે છે: ઢોળાવ, પાસા, લિથોલોજી, અસંતુલિત અભિગમ, જમીનનો ઉપયોગ, વરસાદ, ઐતિહાસિક ભૂસ્ખલન ઇન્વેન્ટરી અને ભૂગર્ભજળ. આર્ટિફિશિયલ ઇન્ટેલિજન્સ આ સ્તરોને ફ્યુઝ કરે છે અને ભૂતકાળના ભૂસ્ખલનની આસપાસની પેટર્ન શીખીને સંવેદનશીલતા નકશો બનાવે છે.

બે નિર્ણાયક મુદ્દાઓ છે. પ્રથમ, મોડેલ ભૂતકાળની ભૂસ્ખલન ઇન્વેન્ટરીમાંથી શીખે છે; જો ઇન્વેન્ટરી અધૂરી હોય (ઘણી ભૂસ્ખલન નોંધાયેલી નથી) તો મોડેલ તે પેટર્નને બિલકુલ જોઈ શકતું નથી અને ખોટા નકારાત્મક પેદા કરે છે. બીજું, સંવેદનશીલતા ટ્રિગર (ક્યારે શિફ્ટ કરવું) નહીં પરંતુ સંવેદનશીલતા આપે છે (જો પરિસ્થિતિ ઊભી થાય તો ક્યાં સ્થળાંતર કરવું); બંનેને ગૂંચવવું જોખમી છે. ક્ષેત્ર ભૂસ્તરશાસ્ત્રીના આઉટક્રોપ અવલોકન, અસંતુલિત માપન અને ભૂતકાળની હિલચાલના નિશાનો દ્વારા ચકાસ્યા વિના નકશાનો નિર્ણયના આધાર તરીકે ઉપયોગ કરી શકાતો નથી.

સિસ્મિક હેઝાર્ડ અને લિક્વિફેક્શન

સિસ્મિક હેઝાર્ડ એસેસમેન્ટ જમીનની ગતિ (પ્રવેગક) નો સંભવિત અંદાજ પૂરો પાડે છે જે સાઇટ પર આપેલ સમયગાળામાં ઓળંગાઈ જવાની અપેક્ષા છે. આર્ટિફિશિયલ ઇન્ટેલિજન્સ રેકોર્ડ ડેટાબેસેસની પ્રક્રિયા કરવામાં, ગ્રાઉન્ડ મોશન પ્રિડિક્શન સંબંધોની તુલના કરવામાં અને દૃશ્યો જનરેટ કરવામાં મદદ કરે છે. જો કે, ફોલ્ટ સ્ત્રોતોની વ્યાખ્યા, પુનરાવૃત્તિ અંતરાલ અને ગ્રાઉન્ડ એમ્પ્લીફિકેશન માટે ભૂસ્તરશાસ્ત્રીય-સિસ્મોલોજીકલ કુશળતા જરૂરી છે; મોડેલ તેમને ફિટ કરી શકતું નથી.

પ્રવાહી આકારણી ધરતીકંપના કંપન દ્વારા સંતૃપ્ત છૂટક રેતીની તેની બેરિંગ ક્ષમતા ગુમાવવાના જોખમને માપે છે. શાસ્ત્રીય પદ્ધતિ એ છે કે SPT-N (અથવા CPT) મૂલ્યની ભૂકંપ દ્વારા ઉત્પાદિત વોલ્ટેજ ચક્ર દર સાથે સરખામણી કરવી અને સલામતી પરિબળ મેળવવું. AI ડેટાનું આયોજન કરે છે અને બહુ-વેલ ક્ષેત્રમાં લિક્વિફેક્શન સંભવિત માટે ઝડપથી સ્કેન કરે છે; પરંતુ પરિણામ પ્રમાણભૂત પદ્ધતિ (દા.ત. સ્થાનિક ભૂકંપ કોડ) નો ઉપયોગ કરીને હાથની ગણતરી દ્વારા ચકાસવામાં આવે છે. અહીં ખોટી નકારાત્મકતાનો અર્થ એ છે કે ધરતીકંપ દરમિયાન માળખું જમીનમાં ડૂબી જાય છે.

ત્રણ મિની કેસ: સંખ્યાઓ દ્વારા

કેસ 1 - ગુમ થયેલ ઇન્વેન્ટરીને કબજે કરી રહ્યું છે. કાઉન્ટી ભૂસ્ખલન નકશા પર, મોડેલ 89% ચોકસાઈ સાથે "સારું" દેખાતું હતું; પરંતુ ક્ષેત્રના ભૂસ્તરશાસ્ત્રીને ખીણના ઢોળાવ પર ત્રણ જૂના ભૂસ્ખલનના ડાઘ (અનુક્રમિત) મળ્યા જે નકશાએ સલામત દર્શાવ્યા હતા. મોડેલ આ પેટર્ન શીખી શક્યું નથી કારણ કે ઇન્વેન્ટરી અધૂરી હતી. જ્યારે ઇન્વેન્ટરી અપડેટ કરવામાં આવી હતી અને નકશાનું નવીકરણ કરવામાં આવ્યું હતું, ત્યારે તે ઢોળાવ ઉચ્ચ સંવેદનશીલતા પર સ્વિચ થયો હતો. 89% ચોકસાઈ સૌથી જટિલ વિસ્તાર ખૂટે છે.

કેસ 2 — લિક્વિફેક્શન થ્રેશોલ્ડ. બીચ ફિલ સાઇટ પર, મોડેલે સૌથી વધુ સરેરાશ ચોકસાઈ થ્રેશોલ્ડ સાથે "લિક્વિફેશન રિસ્ક" તરીકે 42 ડ્રિલિંગ્સમાંથી 6 ફ્લેગ કર્યા. જ્યારે નિષ્ણાત ખોટા નકારાત્મકને ઘટાડવા માટે થ્રેશોલ્ડને રૂઢિચુસ્ત બાજુએ ખસેડ્યો, ત્યારે 11 અવાજો ફ્લેગ કરવામાં આવ્યા હતા; પ્રમાણભૂત હાથની ગણતરી દ્વારા વધારાના પાંચ ખરેખર જોખમી હોવાની પુષ્ટિ કરવામાં આવી છે. રૂઢિચુસ્ત થ્રેશોલ્ડ પાંચ સંભવિત ખોટા નકારાત્મક બચાવે છે; જીવન માટેના સંભવિત જોખમની સરખામણીમાં ખર્ચમાં વધારો નજીવો હતો.

કેસ 3 - પ્રારંભિક ચેતવણી સંકેત. ઓપન-પીટ સ્લોપ પર કૃત્રિમ બુદ્ધિ પ્રોસેસિંગ રડાર અને સ્લોપ સેન્સર ડેટાએ વિકૃતિ દરમાં ધીમી ગતિને ધ્વજાંકિત કર્યો અને એલાર્મ વધાર્યું. ટીમે વિસ્તાર ખાલી કરાવ્યો; 40 કલાક પછી, ઢોળાવ પર એક મોટી સ્લાઇડ આવી, પરંતુ કોઈને ઈજા થઈ ન હતી. મોડેલે ચોક્કસ દિવસ/સમય જણાવ્યું નથી; તે ગતિશીલ ચળવળને દૃશ્યમાન બનાવે છે અને માનવ નિર્ણય લેવા માટે સમય આપે છે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

શું આ પ્રદેશમાં ભૂસ્ખલનનું જોખમ છે? ડેટા જુઓ અને કહો કે તે સુરક્ષિત છે કે ખતરનાક છે.[લેયર ડેટા]

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: સહાયક કુદરતી સંકટ ભૂસ્તરશાસ્ત્રી. નીચેના ચલો સાથે ચોક્કસ "સુરક્ષિત/ખતરનાક" લેબલ આપવું. તેના બદલે:1) સેન્ટિમેન્ટમાં ફાળો આપતા પરિબળો અને દરેકની દિશા સમજાવો.2) વર્ગને બદલે કેલિબ્રેટેડ પ્રોબેબિલિટી લોજીક સ્થાપિત કરો; ખોટા નકારાત્મકને ઘટાડવા માટે જીવન સલામતી માટેની થ્રેશોલ્ડ સાવધાનીપૂર્વક કેમ પસંદ કરવી જોઈએ તે જણાવો. 3) ઐતિહાસિક ભૂસ્ખલન ઇન્વેન્ટરી અધૂરી હોય તો આઉટપુટ કેવી રીતે ગેરમાર્ગે દોરનારું હોઈ શકે તે લખો. 4) 4 મુદ્દાઓની સૂચિ બનાવો જેની ફિલ્ડમાં પુષ્ટિ કરવાની જરૂર છે. અંતિમ મૂલ્યાંકન અધિકૃત એન્જિનિયરનું છે. ડેટા અનામી છે.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) Requesting probability instead of danger class:

સંકટ મોડલ આઉટપુટને તીવ્ર વર્ગને બદલે માપાંકિત સંભાવના તરીકે અર્થઘટન કરો. આ ક્ષેત્રમાં ખોટા નકારાત્મક અને ખોટા સકારાત્મક પરિણામોની તુલના કરો અને જીવન સલામતી માટે થ્રેશોલ્ડને કઈ રીતે ખસેડવો જોઈએ તે યોગ્ય ઠેરવો.

2) ઇન્વેન્ટરી અછત ઓડિટ:

કોઈપણ સંકેતોની યાદી આપો કે ઈન્વેન્ટરી કે જેના પર લેન્ડસ્લાઈડ સંવેદનશીલતા મોડેલને તાલીમ આપવામાં આવી છે તે અધૂરી હોઈ શકે છે (રેકોર્ડ વર્ષ, આવરી લેવામાં આવેલ વિસ્તાર, ડેટા ગેપ). કયા ક્ષેત્રોમાં આ ઉણપ ખોટા નકારાત્મકનું જોખમ વધારશે તે ચિહ્નિત કરો.

3) લિક્વિફેક્શન સ્ક્રીનીંગ સ્કેચ:

મલ્ટિ-ડ્રિલ સાઇટમાં લિક્વિફેક્શન સંભવિત માટે: કયા બોરહોલ્સમાં સંતૃપ્ત છૂટક રેતી હોય છે અને પ્રાથમિક હાથની ગણતરીની જરૂર હોય છે તેની તપાસ કરવાની ભલામણ કરો. સ્પષ્ટ કરો કે તે પ્રમાણભૂત પદ્ધતિ દ્વારા ચકાસાયેલ હોવું આવશ્યક છે; ચોક્કસ સલામતી ગુણાંક આપશો નહીં.

4) પ્રારંભિક ચેતવણી સંકેતનું અર્થઘટન:

ડિફોર્મેશન મોનિટરિંગ સીરિઝ (સ્લોપ/રડાર) માં ઝડપ અને પ્રવેગક ફેરફારોનો સારાંશ આપવા માટે; શું પ્રવેગકની ચિંતાજનક પેટર્ન છે? ચોક્કસ સમયનો અંદાજ આપવો; માનવ ચુકાદા માટે ક્યારે/ડેટાની જરૂર છે તે સ્પષ્ટ કરો.

જોખમનો પ્રકાર, ખોટા નકારાત્મક અને ચકાસણી

જોખમ

AI યોગદાન

ખોટા નકારાત્મક પરિણામ

ફરજિયાત ચકાસણી

ભૂસ્ખલન સંવેદનશીલતા

લેયર ફ્યુઝન, પેટર્ન

ફ્લોટિંગ એરિયા સલામત છે એમ વિચારીને

ક્ષેત્ર + વર્તમાન ઇન્વેન્ટરી

સિસ્મિક સંકટ

ડેટાબેઝ/દૃશ્ય

જમીનની ગતિને ઓછો અંદાજ

સિસ્મોલોજીકલ નિષ્ણાત + ધોરણ

પ્રવાહીકરણ

મલ્ટી-વેલ સ્કેનિંગ

મકાન જમીનમાં ધસી રહ્યું છે

SPT/CPT હાથની ગણતરી + નિયમન

ઢાળ પ્રારંભિક ચેતવણી

ટ્રેસ સિગ્નલ ફિલ્ટરિંગ

delay ejaculation

માનવ ચુકાદો + ક્ષેત્ર પુષ્ટિ

ટીપ: હંમેશા "શું તે ખોટા અલાર્મ કે મિસ ગણાય છે?" પ્રશ્ન સાથે તકલીફ આઉટપુટ તપાસો. પ્રશ્ન સાથે વાંચો. જીવન સલામતીમાં, એક ચૂકી ગયેલા જોખમ કરતાં થોડા ખોટા એલાર્મ સહન કરવું વધુ સ્વીકાર્ય છે.

સામાન્ય ભૂલો

• સામાન્ય સત્ય દ્વારા છેતરવામાં આવે છે. ઉચ્ચ ચોકસાઈ દુર્લભ જીવલેણ ઘટનાઓ ચૂકી શકે છે; વાસ્તવિક મેટ્રિક એ ખોટા નકારાત્મક દર છે.
• મોડેલ પર થ્રેશોલ્ડ છોડીને. The life safety threshold is set cautiously by the expert who knows the consequences; સ્વચાલિત "શ્રેષ્ઠ" થ્રેશોલ્ડ નથી.
• ખૂટતી ઇન્વેન્ટરીને અવગણી. મોડલ જે પેટર્ન શીખી નથી તે જોઈ શકતું નથી; જો ઇન્વેન્ટરી ખૂટે છે, તો નકશો સલામત બાજુને મૂર્ખ બનાવશે.
• ટ્રિગર સાથે ગૂંચવણભરી વલણ. સંવેદનશીલતા એ "ક્યાં" નો પ્રશ્ન છે, ટ્રિગર "ક્યારે" નો પ્રશ્ન છે; Both require separate verification.
• પ્રારંભિક ચેતવણીને ચોક્કસ ભવિષ્યવાણી તરીકે ભૂલવી. સિસ્ટમ સમય બચાવે છે; સ્થળાંતર કરવાનો નિર્ણય અને જવાબદારી વ્યક્તિની છે.

સારાંશમાં

• કુદરતી સંકટ એ ભૂસ્તરશાસ્ત્રીય ઇજનેરીની જવાબદારીનો સૌથી ભારે વિસ્તાર છે; ખોટા આઉટપુટની કિંમત જીવન હોઈ શકે છે.
• ખોટા નકારાત્મક (સલામત માટે જોખમી હોવાનું ભૂલવું) ખોટા હકારાત્મક કરતાં વધુ ગંભીર છે; જીવનની તરફેણમાં, થ્રેશોલ્ડ સાવધાનીપૂર્વક પસંદ કરવામાં આવે છે.
• સામાન્ય ચોકસાઈ ભ્રામક છે; માપદંડ એ દુર્લભ જીવલેણ ઘટનાઓ ગુમ થવાનો દર છે; આઉટપુટ કેલિબ્રેટેડ પ્રોબેબિલિટી હોવી જોઈએ, ક્લાસ નહીં.
• ભૂસ્ખલન મોડલ અપૂર્ણ ઇન્વેન્ટરીમાંથી શીખી શકતું નથી; દરેક સંકટનો નકશો ક્ષેત્ર અને નિષ્ણાત ચકાસણી દ્વારા ચકાસવામાં આવે છે.
• પ્રારંભિક ચેતવણી સમય બચાવે છે પરંતુ ભવિષ્યવાણી નથી; સ્થળાંતર કરવાનો અને સાવચેતી રાખવાનો નિર્ણય અધિકૃત ઈજનેર અને અધિકારીનો છે.

એપ્લિકેશન કાર્ય

એક અનામી સંકટ દૃશ્ય પુનઃપ્રાપ્ત કરો (ભૂસ્ખલન સ્તરો અથવા લિક્વિફેક્શન બોરહોલ્સ; પ્રતિનિધિ ડેટા). મોડેલને કઠોર લેબલ્સ આપવાથી દૂર રાખો અને તેને "જોખમી વર્ગને બદલે સંભાવના માટે પૂછો" ટેમ્પ્લેટ સાથે ખોટા નકારાત્મક/સકારાત્મક સંતુલનની ચર્ચા કરો. પછી પ્રિન્ટઆઉટ ક્યાં ગેરમાર્ગે દોરતું હોઈ શકે છે તે શોધવા માટે "ઇન્વેન્ટરી શોર્ટેજ ઓડિટ" ટેમ્પલેટનો ઉપયોગ કરો અને ફીલ્ડ વેરિફિકેશનની જરૂર હોય તેવા ત્રણ મુદ્દાઓની સૂચિ લખો.

ચેકલિસ્ટ

• [ ] હું ખોટા નકારાત્મક અને ખોટા હકારાત્મક વચ્ચેનો તફાવત અને જીવન સુરક્ષામાં તેનું મહત્વ સમજી ગયો છું.
• [ ] હું એકંદર સચોટતાને બદલે મિસ રેટ દ્વારા જોખમ આઉટપુટનું મૂલ્યાંકન કરું છું.
• [ ] હું માનું છું કે નિષ્ણાત દ્વારા સાવધાનીપૂર્વક અને જીવનની તરફેણમાં થ્રેશોલ્ડ સેટ કરવી જોઈએ.
• [ ] હું સમજું છું કે ભૂસ્ખલન મોડલ અપૂર્ણ ઇન્વેન્ટરીમાંથી શીખી શકતું નથી અને તેને ફીલ્ડ કન્ફર્મેશનની જરૂર છે.
• [ ] હું પ્રારંભિક ચેતવણી સિસ્ટમનો ઉપયોગ ભવિષ્યવાણી તરીકે નહીં, પરંતુ એક સાધન તરીકે કરું છું જે માનવ નિર્ણયો માટે સમય બચાવે છે.