تقييم سريع لأضرار الزلازل عبر نموذج هجيني LSTM-RNN مع رأس تصنيف مستوحى من الكم مبني على نموذج البرسبترون المستقل APM

لماذا تهم الفحوصات السريعة بعد الزلزال

بعد زلزال قوي، يكون السؤال الأكثر إلحاحًا بسيطًا: أي المباني آمنة، وأيها غير آمنة؟ اليوم، لا تزال الإجابة على هذا السؤال تتطلب وقتًا وخبراء وغالبًا تفتيشًا ميدانيًا. يقدم هذا البحث طريقة سريعة تعتمد على البيانات لتقدير مدى الأضرار التي لحقت بالمباني، عبر استخراج أنماط من حركتها أثناء الهزات. الهدف هو مساعدة فرق الطوارئ على اتخاذ قرارات سريعة بشأن أين يرسلون المفتشين، وكيف يوجّهون عمليات الإنقاذ، وأي الهياكل تحتاج اهتمامًا أولًا.

من إشارات الاهتزاز إلى حالة المبنى

بدلاً من الاعتماد على مسوحات يدوية بطيئة، يستخدم المؤلفون نماذج حاسوبية لقراءة أربعة مؤشرات أساسية لسلوك المبنى أثناء الزلزال: مدى تمايله (الإزاحة)، ومدى سرعته (السرعة)، ومدى تغير تسارعه (التسارع)، ومؤشر شامل للأضرار يُسمى مؤشر الضرر. تُنظّم هذه الإشارات كنوافذ زمنية قصيرة — لقطات لكيفية تحرك الهيكل خلال حوالي أربعة أعشار الثواني. يتعلم النظام من آلاف مثل هذه النوافذ كيف ترتبط أنماط الحركة النموذجية بالأضرار اللاحقة، بحيث يمكنه توقع الخطوة التالية في استجابة المبنى وتحديد ما إذا كان الهيكل على الأرجح غير متضرر، قابلاً للإصلاح، أم متضررًا بشدة.

خط معالجة واحد، قرارات متعددة

فكرة أساسية في هذا العمل هي تجميع عدة مهام ذات صلة داخل خط معالجة واحد متماسك. باستخدام نواة معالجة تسلسلية مشتركة، يؤدي النظام أربعة أشياء في آن واحد: يتنبأ بالقيم التالية للإزاحة والسرعة والتسارع ومؤشر الضرر؛ يقرر ما إذا كان المبنى متضررًا أم لا؛ يخصص وزنًا رقميًا للحالات المتضررة يعكس درجة الاستعجال؛ ويحلل أي الميزات المدخلة تميل للظهور عندما يكون الضرر ضئيلًا. من خلال توحيد هذه المهام، يمكن للسجل الحركي الوارد نفسه أن يُستخدم فورًا في قرارات على مستوى المبنى ثم في نماذج تخطيط على مستوى المدينة لجدولة الإصلاحات واستعادة الخدمات الأساسية.

كيف يعمل نموذج التسلسل الذكي

في قلب خط المعالجة شبكة هجينة تجمع بين وحدتين أساسيتين في التعلم العميق المرتبطتين: خلايا الذاكرة القصيرة والطويلة (LSTM) ووحدات متكررة أبسط. كلاهما مصمم للتعامل مع التسلسلات، مع الاحتفاظ بالذاكرة للمرحلة الأخيرة مع التركيز على الأنماط البارزة عبر الزمن. يقارن المؤلفون هذا التصميم الهجين بكومة أعمق متكونة من طبقات LSTM فقط. عند تدريبه على استجابات زلزالية محاكاة عالية الدقة لنظام من الخرسانة المسلحة، يقدم النموذج الهجين تنبؤات أكثر دقة باستمرار. يتتبع مؤشر الضرر بشكل خاص بشكل جيد، مما يقلل الأخطاء النموذجية بعدة أضعاف ويشرح معظم التباين في إشارة الضرر المحاكاة. وهذا يعني أن النموذج يمكنه متابعة كيفية تراكم الضرر أثناء الهزات عن كثب، وهي خطوة حاسمة نحو تقييم سريع موثوق.

لمسة مستوحاة من الكم لتصنيف الأضرار

بعيدًا عن مخرجات الشبكات العصبية التقليدية، يختبر المؤلفون رأس مصنف غير مألوف «مستوحى من ميكانيكا الكم» يُسمى نموذج البرسبترون المستقل. بدلاً من استخدام طبقة كبيرة من الأوزان العادية، يضغط هذا المكوّن المعلومات إلى متجهات صغيرة ذات مركبتين ويمررها عبر مشغلات صغيرة تحاكي تأثيرات التداخل المستمدة من فيزياء الكم. لاختبار ما إذا كان هذا التصميم المدمج لا يزال قادرًا على تمييز مستويات الضرر، تولَّت الفريق توليد مجموعة بيانات منفصلة لمبانٍ خضعت لأحمال قابلة للتحكم تشبه الانفجار. في هذا الاختبار، يصل المصنف المستوحى من الكم إلى دقة عالية في تصنيف الهياكل إلى أربع فئات من الأضرار، مما يشير إلى أن مكونات أضيق وقائمة على المشغلات يمكن إدراجها في نفس خط المعالجة عندما تكون البيانات وقوة الحوسبة محدودة.

تحويل مخرجات النموذج إلى إجراءات واقعية

الخطوة الأخيرة هي جعل النتائج قابلة للاستخدام من قبل العاملين في الميدان. عندما يصل سجل حركة جديد، تعالجه النواة المشتركة مرة واحدة، ثم تولّد فورًا تنبؤات بكيفية تحرك الهيكل، ووسم الضرر، ودرجة أولوية للحالات المتضررة، ودلائل حول أي الظروف مرتبطة بضرر منخفض. تدعم هذه المخرجات معًا فرزًا من مرحلتين: أولًا، فصل المباني المرجح أنها متضررة عن تلك المرجح أنها آمنة؛ ثم، بين المباني المتضررة، إطلاق إنذار لتلك التي قد يكون فشلها ذا أثر كبير. وبما أن الدراسة الحالية تعتمد على بيانات محاكاة بدلًا من بيانات حساسات فعلية، يؤكد المؤلفون أن هناك حاجة لاختبارات إضافية على مبانٍ مزودة بأجهزة قبل النشر التطبيقي. ومع ذلك، يُظهر العمل أن نماذج التسلسل المصممة بعناية، مقرونة بضوابط صارمة لتجنب تسرب البيانات، يمكن أن تكون أساسًا عمليًا لفحوصات سريعة معتمدة على البيانات لتقييم أضرار الزلازل وتخطيط تعافٍ أكثر ذكاءً.

الاستشهاد: Alotaibi, A., Alharbi, S. & Elshewey, A.M. Rapid earthquake damage assessment via hybrid LSTM-RNN with a quantum-inspired classification head based on Autonomous Perceptron Model APM. Sci Rep 16, 9686 (2026). https://doi.org/10.1038/s41598-026-38982-x

الكلمات المفتاحية: تقييم أضرار الزلازل, مراقبة الصحة الهيكلية, التعلم العميق, الشبكات العصبية المتكررة, المرونة أمام الكوارث