توسعه مدل شبکه بیزین برای ریسک های محیطی موج شکن کاسپین بندر انزلی

سابقه و هدف: مدیریت ریسک‌های محیط زیستی ناشی از تاسیسات دریایی نظیر موج‌شکن‌های دریای خزر از اهمیت ویژه‌ای برخوردار است. این تاسیسات در مناطقی حساس مانند دریای خزر، که یک اکوسیستم منحصر به فرد و بسیار آسیب‌پذیر دارد، می‌تواند منجر به تخریب محیط زیست و به خطر افتادن منابع طبیعی و سلامت انسانی شود. بنابراین، شناسایی و ارزیابی دقیق این ریسک‌ها و ارائه راهکارهای پیشگیرانه و کاهشی از اهمیت بالایی برخوردار است. پژوهش حاضر با هدف مدل‌سازی و تحلیل ریسک‌های زیست‌محیطی موج‌شکن کاسپین در بندر کاسپین انجام شده است. هدف این پژوهش، یافتن راه‌هایی برای پیشگیری و کاهش خطرات محیط زیستی ناشی از این سازه‌های دریایی و دستیابی به راهکارهای محلی برای کنترل ریسک‌های مرتبط است.مواد و روش‌ها: در این پژوهش از روش تحلیل حالات شکست و اثرات آن (fmea) برای ارزیابی ریسک‌های زیست‌محیطی استفاده شده است. این تکنیک به محققان امکان می‌دهد تا شدت خطر، احتمال وقوع و احتمال کشف هر ریسک را با دقت بیشتری بررسی و رتبه‌بندی کنند. برای تکمیل داده‌های این تحلیل، از نظرات متخصصان و کارشناسان حوزه‌های مرتبط استفاده شده است. پس از جمع‌آوری و تحلیل داده‌ها، نمره ریسک هر یک از عوامل شناسایی شده محاسبه شد و ریسک‌های بحرانی تعیین گردیدند. بالاترین ضریب اولویت در ریسک‌های غیر وابسته به انسان 384 و در ریسک‌های وابسته به انسان 126 بود. این اولویت‌ها به همراه فراوانی وقوع آن‌ها در نرم‌افزار netica  و شبکه‌های بیزین برای مدل‌سازی دقیق‌تر ریسک‌های بحرانی وارد شدند. استفاده از شبکه‌های بیزین به تحلیل روابط متقابل بین ریسک‌ها و شناسایی وابستگی‌های پیچیده آن‌ها کمک کرد.نتایج و بحث: نتایج حاصل از تحلیل‌ها نشان می‌دهد که در بین ریسک‌های وابسته به انسان، آسیب‌های پوستی با ارزش کمی 0/167 بالاترین خطر را تشکیل می‌دهند. علاوه بر این، آسیب‌های شنوایی به‌طور مستقیم با ارزش کمی 0/004 و آلودگی خاک با ارزش کمی 0/125 و آلودگی صوتی با ارزش کمی 0/004 به عنوان ریسک‌های غیرمستقیم بر سلامت انسان تاثیر می‌گذارند. این نتایج نشان می‌دهد که آلودگی خاک و آلودگی صوتی بعنوان ریسک‌های غیرمستقیم اثرات بیشتری بر سلامت انسان دارند. در بخش ریسک‌های غیر وابسته به انسان، استفاده از مواد ناریه با ارزش کمی 0/024، آلودگی آب با ارزش کمی  0/224و تخریب منابع طبیعی ناشی از استخراج و تامین مصالح از معادن قرضه با ارزش کمی 0/764 از بحرانی‌ترین ریسک‌ها شناسایی شدند. تحلیل‌های بیزین نشان داد که وابستگی متقابل بین ریسک‌ها به‌طور واضحی قابل مشاهده است؛ به‌طوری که برخی از ریسک‌ها منجر به افزایش یا کاهش احتمال وقوع سایر ریسک‌ها می‌شوند.نتیجه‌گیری: تحلیل‌های بیزین به‌طور موثری نشان داد که چگونه وابستگی بین ریسک‌ها و تاثیرات متقابل آن‌ها می‌تواند منجر به پیچیدگی بیشتر در مدیریت ریسک‌های زیست‌محیطی شود. نتایج این پژوهش نشان می‌دهد که استفاده از مدل‌های پیشرفته مانند شبکه‌های بیزین در تحلیل ریسک‌های زیست‌محیطی برای دستیابی به نتایج دقیق‌تر و مدیریت جامع‌تر ضروری است. به گونه ای که این مدل‌ها نه تنها به شناسایی و تحلیل ریسک‌های بحرانی کمک می‌کنند، بلکه امکان پیش‌بینی و کنترل بهتر ریسک‌ها را نیز فراهم می‌آورند.

developing a bayesian network model for environmental risks of the caspian sea breakwater in bandar anzali

introduction :managing environmental risks associated with marine installations, such as the breakwaters of the caspian sea, plays a critical role in mitigating potential hazards and ensuring sustainable development. the caspian sea, a unique and environmentally sensitive region, faces significant ecological risks due to construction and operational activities related to breakwaters. this study aims to model and analyze the environmental risks specifically related to the breakwater located in the caspian port. by comprehensively identifying the various activities and processes during both the construction and operation phases, this research seeks to uncover potential hazards and damaging factors. the ultimate objective is to provide a framework for preventing or minimizing these risks, thus contributing to the long-term environmental sustainability of the region.material and methods: in this research, the failure modes and effects analysis (fmea) method was employed to evaluate the environmental risks. fmea is a widely used risk assessment tool that helps in determining the severity, likelihood of occurrence, and detectability of risks. expert opinions were collected to assess these factors for each identified risk. following this evaluation, the risk priority number (rpn) was calculated, which helped identify the critical risks requiring immediate attention. the highest rpn for non-human-related risks was 384, while for human-related risks, it was 126. these priority levels were further analyzed using bayesian networks through the netica software, a tool known for efficiently modeling risk interdependencies.results and discussion: the analysis of human-related risks revealed that skin damage posed the highest risk, with a quantitative value of 0.167. direct auditory impairments were less significant, with a value of 0.004, while indirect human risks included soil pollution (0.125) and noise pollution (0.004). these findings indicate that while direct physical harm to individuals may not be highly prevalent, indirect risks, especially related to environmental degradation, hold substantial importance. on the other hand, in the category of non-human-related risks, the most critical hazard was identified as the depletion of natural resources due to mining activities, with a high quantitative value of 0.764. water pollution (0.224) and the use of hazardous substances (0.024) were also identified as key risks impacting the environment. the bayesian network analysis effectively highlighted the interconnections between these risks, revealing how the occurrence of one risk could amplify others, demonstrating a web of interdependent risk factors.conclusion: the results underscore the significance of understanding the interdependence of risks when addressing environmental challenges in marine construction projects. the use of bayesian networks in this study clearly demonstrated the mutual influence between different risk factors, emphasizing the need for an integrated risk management approach. by identifying critical risks and understanding their interdependencies, decision-makers can implement targeted and localized solutions to mitigate these risks.