الگوهای نوآورانه هوش مصنوعی برای پیش‌بینی فرونشست زمین: به‌سوی چارچوب‌های هوش مصنوعی جغرافیایی چندوجهی، آگاه از علل و مبتنی بر فیزیک

فرونشست زمین، به‌ویژه در دشت‌هایی با بهره‌برداری شدید از آب زیرزمینی و نواحی معدنی، به یکی از جدی‌ترین مخاطرات ژئوتکنیکی و محیط‌زیستی تبدیل شده است. در سال‌های اخیر، مدل‌های یادگیری ماشین و یادگیری عمیق با بهره‌گیری از داده‌های سنجش ‌از دور، مشاهدات insar، چاه‌های مشاهده‌ای و پارامترهای ژئوتکنیکی، پیش‌بینی فرونشست را با دقت بالاتری ممکن ساخته‌اند. بااین‌حال، اغلب این مدل‌ها صرفاً داده‌محور و فاقد پیوند صریح با مکانیزم‌های فیزیکی تحکیم و تخلخل‌ - تنش هستند و نسبت به تغییرات سناریوهای بهره‌برداری (مدیریت پمپاژ، تغییر الگوی کشت، توسعه زیرساخت) فاقد تفسیر علّی‌اند و از هم‌جوشی سازمان‌یافته ی داده‌های چند منبع و چندمقیاس (insar، ecm، داده‌های بهره‌برداری، مدل‌های عددی) به‌صورت سیستماتیک استفاده نمی‌کنند. این مقاله با مرور انتقادی ادبیات 2019-2025، شکاف‌های کلیدی در کاربرد هوش مصنوعی برای پیش‌بینی فرونشست را شناسایی کرده و چند ایده ی فناورانه و نو را پیشنهاد می‌کند که می‌توانند به‌عنوان چارچوب‌های نسل بعدی geoai برای فرونشست توسعه یابند: چارچوب چندریختی (مولتی‌مودال) geoai: مبتنی بر مدل‌های بنیانی برای هم‌جوشی مشترک داده‌های insar، شبکه ی چاه‌ها، هیدروژئولوژی و سری‌های زمانی بهره‌برداری. چارچوب علّی – آگاه : هوش مصنوعی جغرافیایی که از یادگیری علّی و مدل‌های ساختاری برای شبیه‌سازی سناریوهای مدیریتی (کاهش پمپاژ، تغییر کاربری، کنترل بار سازه‌ای) و برآورد اثرات آن‌ها بر فرونشست استفاده می‌کند. چارچوب فیزیک‌ - آگاه (pino-sub) : که معادلات تحکیم و پوروالاستیسیته را در داخل شبکه ی عصبی رمزگذاری کرده و با داده‌های insar چاه تلفیق می‌کند. هوشمند فرونشست (digital twin): بر پایه ی یادگیری فعال و پایش نزدیک‌به‌زمان با داده‌های اکستنسومتر چندعمقی و insar. در کنار تشریح مفهومی این ایده‌ها، معماری کلی هر چارچوب، نوع داده‌های موردنیاز، نحوه ی آموزش، شاخص‌های ارزیابی و مسیرهای پیاده‌سازی عملی در معادن و دشت‌های ایران پیشنهاد می‌شود. این مطالعه می‌تواند به‌عنوان نقشه ی راه پژوهشی برای توسعه ی نسل بعدی سامانه‌های پیش‌بینی و هشدار سریع فرونشست در محیط‌های با داده ی نامتوازن و سناریوهای مدیریتی پویا مورد استفاده قرار گیرد.