به گزارش ایسنا دکتر رضا کرمی محمدی، عضو هیات علمی دانشگاه صنعتی خواجه نصیرالدین در نشست تخصصی هشدار سریع زلزله شهر تهران چالش‌ها و راهکارها گفت: در دنیا مخاطرات زیادی رخ می‌دهد، ولی مخاطره زلزله با سهم ۵۸ درصدی بیشترین میزان تلفات را بر جای می‌گذارد.

وی با اشاره به مزایای سامانه‌های هشدار سریع زلزله، خاطر نشان کرد: سامانه‌های هشدار می‌توانند از ۲ تا ۲۰ ثانیه هشدارهای لازم را صادر کنند و آمارها نشان می‌دهد در صورتی که هیچ هشداری برای زلزله نباشد، ۷۵ درصد از افراد کشته، ۱۵ درصد مجروح شدید و ۵ درصد مجروح در سطح متوسط می‌شوند.

کرمی با بیان اینکه با اعلام هشدار سریع زلزله ۵۰ درصد افراد سالم می‌مانند، اظهار کرد: بر اساس گزارشی که از سوی UNDP منتشر شد، در راه‌اندازی سامانه‌های هشدار سریع چالش‌هایی وجود دارد که از آن جمله می‌توان به نقصان و نداشتن قوانین و مقررات برای تعریف روشن نقش‌ها، مسؤولیت‌ها و اقداماتی که باید برای عملیات و مدیریت سیستم‌ هشدار سریع انجام شود، اشاره کرد.

وی خاطر نشان کرد: نداشتن چارچوب قانونی و نهادی کارآمد منجر به سردرگمی در شرایط اضطرار می‌شود که در آن شرایط عامل زمان بسیار مهم است و می‌تواند منجر به تاخیر در اعلام هشدار و نیز واکنش به هشدارها شود.

عضو هیات علمی دانشگاه خواجه نصیرالدین با بیان اینکه این سناریو نه تنها ممکن است کارایی سیستم‌ را به خطر بیندازد، بلکه در نهایت می‌تواند منجر به از دست رفتن اعتماد عمومی به سیستم شود؛ از این رو تدوین یک چارچوب قانونی مختص سیستم‌های هشدار سریع ضروری است.

وی ایجاد پایگاه‌ داده‌ها برای اطلاعات مرتبط با ریسک زلزله و بهره‌گیری از هوش مصنوعی برای شناخت و پیش‌بینی وقوع را از دیگر نقصان‌های ایجاد سیستم‌های هشدار سریع نام برد و یادآور شد: بهره گیری از سیستم‌های مخابراتی قابل اطمینان و بهره‌گیری از موبایل و امکانات فضای مجازی از دیگر نقصان‌های این نوع سیستم‌ها است که در گزارش UNDP به آن اشاره شده است.

وی به اقدام محققان دانشگاه تگزاس در زمینه الگوریتم هوش مصنوعی در حوزه پیش‌بینی زلزله اشاره کرد و در این باره توضیح داد: این محققان الگوریتم هوش مصنوعی جدیدی را آزمایش کردند که می‌تواند ۷۰ درصد زمینلرزه‌ها را در یک هفته قبل از وقوع آنها به طور دقیق پیش‌بینی کند. آزمایش این الگوریتم در یک دوره ۷ ماهه در چین انجام شده است و در حال حاضر امیدواری زیادی وجود دارد که این نرم‌افزار در نهایت بتواند یک سیستم هوش مصنوعی قابل اعتماد برای پیش‌بینی زلزله ارائه کند.

کرمی محمدی، نیروی انسانی را از دیگر نقصان‌های این سامانه‌ها ذکر کرد و ادامه داد: پرسنل مسؤول نگهداری و راه‌اندازی این سیستم‌ها باید در این زمینه توانمند و آموزش دیده باشند. بخش‌های دولتی و نیمه دولتی، فاقد نیروی انسانی با تجربه و مهارت لازم در این خصوص هستند و اغلب پس از آموزش پرسنل نیز، دستمزدهای بالاتر موجود در بخش خصوصی، این کارکنان شایسته و آموزش دیده را از شغل خود دور می‌کند.

وی پیشنهاد کرد که در این زمینه لازم است نسبت به جذب نیروی انسانی توانمند در همه سازمان‌های دخیل در سیستم هشدار سریع و افزایش مهارت‌های مورد نیاز برای ارائه سرویس‌های پیش‌بینی هشدار اقدام شود.

انتهای پیام