چكيده:

در این پژوهش تحلیل حساسیت و تحلیل سناریوی ریسک زلزله با محوریت روش شبکه بیزی، به عنوان یکی از ابزارهای مدیریتی ریسک شاخص زلزله انجام شد. طراحی و مقداردهی شبکه بیزی بر مبنای نظر کارشناسان صورت گرفت؛ به این ترتیب که ابتدا برای فرآیند مورد مطالعه، مراحل، ریسک­ها و عوامل ایجاد کننده ریسک، شناسایی و سپس روابط علی بین عوامل ایجادکننده ریسک در هر مرحله از فرآیند استخراج شد. پس از طراحی ساختار شبکه بیزی، مقداردهی به شبکه از طریق تکمیل پرسشنامه توسط کارشناسانی با حداقل سه سال سابقه کار در فرآیند مورد مطالعه، انجام گردید. در نهایت پس از پیاده­سازی شبکه برای فرآیند، انواع تحلیل­های مدیریتی ریسک زلزله از طریق انجام تحلیل حساسیت و تحلیل سناریو برای دو منطقه با بافت فرسوده و منطقه نوساز و گسل‎دار برای شهر قم، استخراج شد.

نتایج تحقیق حاکی از آن است که با بررسی میزان شاخص ریسک زلزله، میزان اثرگذاری ریسک بالا و خیلی بالا در بافت فرسوده بیشتر از منطقه نوساز و گسل­دار است و نیازمند توجه بیشتری از سوی سازمان مدیریت بحران است. در هر دو منطقه مورد مطالعه، اولویت بررسی برای گره­های خسارت بوده، بنابراین اولویت بررسی ریسک با این بخش از عوامل موثر بر ریسک می­باشد. همچنین حساس­ترین گره موثر بر شاخص ریسک زلزله در بافت فرسوده، ریسک آسیب‎پذیری بافت منطقه و همچنین توزیع جمعیت در منطقه بوده ولی ریسک رخداد زلزله، بیشترین اثرگذاری را بر شاخص ریسک زلزله در منطقه نوساز و گسل­دار دارد.

واژه ­های کلیدی: ریسک زلزله، مدیریت ریسک، شبکه بیزی، تحلیل حساسیت، تحلیل سناریو.

Abstract:

In present study, we created a Bayesian Network for investigating the risk management as a tool for scenario and sensitivity analysis, to model causal relationship between effective risk factors of earthquake disaster. Constructing a Bayesian Network for the process comprised two stages: 1) creation the structural model and 2) quantifying the obtained structure. For the both stages we used experts’ opinion. First we constructed the network using the following steps; 1) risk and process mapping, 2) node identification and 3) putting nodes all together and detailing out the dependencies to obtain the structure. After obtaining the structure we designed a questionnaire for each node to elicit node’s probabilities from the experts. Two regions in Ghom city was considered as the case study: a worn out texture and a modern area with faults.

The results of this study indicate that, by investigating the value of earthquake risk index, the level of high and very high risk effects in the worn out texture is more than the modern area and requires more attention from the crisis management organization. In both areas, the priority of anlysis is about damage nodes and needs to be focused. Also, the most sensitive node of the earthquake risk index in the worn out texture is the vulnerability of the texture as well as the distribution of population in this area, but the risk of earthquake happening has the most effect on the earthquake risk index in the modern area with faults.

 

Key Words: Earthquake risk, Risk management, Bayesian Networks, Sensitivity analysis, Scenario analysis

 

 

 

Bu-Ali Sina University

Faculty of Engineering

Department of Industrial

 

Thesis Submittted for the Degree of Master of Industrial Engineering

 

 

Investigation and Analysing the Effective Factors of Earthquake Risk Using Bayesian Network

Supervisor

Dr. Vahid Khodakarami

By

Alireza Saeedi Golpayegani

September 2017

 

 

سید علیرضا سعیدی

متولد 67 قم

تلفن ثابت:  38877450-025

Email: alireza.sg21@gmail.com

 

تجارب کاری

تحصیلات

سایر مدارک

مهارت های عمومی کامپیوتری

مهارت های هفت گانه ICDL   :

Word                            Excel                            Access                   Internet

Outlook                        Windows                       PowerPoint

سایر نرم افزار های تخصصی:

Lingo ,QSB, ALDEP,Visio,Agena Risk, Vensim,chargoon                                                                    

سطح آشنایی با زبان انگلیسی

مکالمه :  متوسط                          خواندن :  متوسط                   درک مطلب: متوسط                                 نوشتن : عالي

 

 

مقالات مطالعه شده خارجی

·         A comprehensive review of firefly algorithms

·         Dynamic Multiple Criteria Decision Analysis with Application in Emergency

·         Forecasting Natural Gas Consumption in Iran; Using a Combined Mathematical Approach M Health system modelling for policy development and evaluation:

·         Using qualitative methods to capture the whole-system perspective anagement Assessment

·         BN Applications in Operational Risk Analysis: Scope, Limitations and Methodological Requirements

·         Modelling Operational Risk in Financial Institutions using Hybrid Dynamic Bayesian Networks

·         Managing Operational Risks with Bayesian Networks

·         Comparing Fault Trees and Bayesian Networks for Dependability Analysis

·         Safety analysis in process facilities: Comparison of fault tree and Bayesian network approaches

·         Improving the analysis of dependable systems by mapping fault trees into Bayesian networks

·         Design and Development of the Pattern to Assign and Estimate the Reliability of Complicated Systems by Bayesian Network Method, Case Study: A High Technology Camera

·         A QFD-based fuzzy MCDM approach for supplier selection

·         Dynamic cycles of unsold new housing stocks, investment in housing, and housing supply–demand

·         A fast tabu search algorithm for the permutation flow-shop problem

·         An Effective PSO-Based Memetic Algorithm for Flow Shop Scheduling

 

پروژه های درسی انجام شده

·         مدل سازی سیستم اقتصادی در نظام سلامت ایران

·         رابطه بین رهبری تحول آفرین  و رفتار شهروندی سازمانی کارکنان

·         شرح کامل الگوریتم کرم شب تاب (Firefly Algorithm)

·         بررسی عوامل موثر بر نرخ بیکاری کشور بین سالهای 1389-1380 در حالات مختلف با استفاده از محاسبات رگرسیونی

·         عوامل موثر بر نرخ ارز در ايران با استفاده از مدل های اقتصاد سنجی و نرم افزار Eviews

·         کاربرد شبکه های بیزین در ریسک عملیاتی موسسات مالی

·         تحلیل ایمنی در فرآیند تسهیلات با مقایسه رویکردهای درخت خطا(FT) و شبکه های بیزین(BNs)

·         انتخاب تامین کنندگان با رویکردMCDM فازی و QFD فازی

·         چرخه های دینامیکی از انباشت مسکن جدید فروش نرفته، سرمایه گذاری در مسکن و عرضه-تقاضای مسکن

·         الگوریتم ممتیک برپایه PSO برای مساله زمان بندی تولید جریانی

·         الگوریتم جستجوی ممنوع سریع برای مساله جایگشت جریان کارگاهی