پایش و هشدار زودهنگام سونامی با استفاده از اینترنت اشیاء (IoT): گامی به‌سوی اقیانوس هوشمند

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه علوم جوی و اقیانوسی، دانشکده علوم و فنون دریایی، دانشگاه هرمزگان، بندرعباس، ایران.

10.22091/jmt.2025.14260.1008

چکیده

سونامی به‌عنوان یکی از مخرب‌ترین بلایای طبیعی، همواره خطری جدی برای مناطق ساحلی محسوب می‌شود. با وجود پیشرفت‌های صورت‌گرفته در سامانه‌های هشدار زودهنگام، چالش‌هایی چون دقت محدود، زمان تأخیر بالا و عدم گستردگی مکانی، همچنان پابرجاست. این پژوهش با هدف تحلیل نقش تحول‌آفرین فناوری اینترنت اشیا (IoT) در ارتقای سامانه‌های پایش و هشدار سونامی و ارائه چارچوبی مفهومی مبتنی بر ادغام حسگرهای هوشمند، شبکه‌های ارتباطی، پردازش ابری و مدل‌های عددی انجام شده است. این مطالعه به روش مروری-تحلیلی و با بررسی نظام‌مند مطالعات معتبر در بازه زمانی ۲۰۰۵ تا ۲۰۲۴ صورت پذیرفته است. در این راستا، ادغام داده‌های بلادرنگ IoT با مدل‌های عددی و الگوریتم‌های یادگیری عمیق (CNN-LSTM) در قالب یک سیستم عصبی دیجیتال برای پایش اقیانوس مورد تحلیل قرار گرفته است. یافته‌های این پژوهش نشان داد که سامانه‌های مبتنی بر IoT قادر به ثبت تغییرات فشار بستر دریا با دقت 0.1 پاسکال در بازه‌های زمانی زیر یک دقیقه هستند. ادغام این داده‌ها با مدل‌های عددی منجر به افزایش ۲۰ تا ۲۵ درصدی دقت پیش‌بینی ارتفاع موج و کاهش ۵۰ درصدی زمان هشدار شده است. همچنین معماری CNN-LSTM دقت تشخیص سونامی را به ۹۲ درصد رسانده و نرخ هشدار اشتباه را ۳۵ درصد کاهش داده است. از منظر اقتصادی، این سامانه‌ها تا ۴۰ درصد در هزینه‌های عملیاتی صرفه‌جویی ایجاد کرده و در مناطق پرخطری مانند سواحل مکران در شمال اقیانوس هند، زمان هشدار را به کمتر از ۳ دقیقه کاهش می‌دهند. تلفیق فناوری IoT با مدل‌سازی عددی و هوش مصنوعی، پارادایم جدیدی در هشدار زودهنگام سونامی ایجاد کرده که علاوه بر بهبود دقت، سرعت و قابلیت اطمینان، امکان مدیریت هوشمند سواحل را فراهم می‌سازد.

کلیدواژه‌ها

فایل ها

هم رسانی

ارجاع به این مقاله

آمار