A Whole-Process Cascading Bayesian Network for Safety Risk Assessment of Post- Earthquake Collapsed-Building Rescue Operations
यह अध्ययन एक होल-प्रोसेस कैस्केडिंग बेयसियन नेटवर्क (WPC-BN) प्रस्तावित करता है जो भूकंप के बाद ढही हुई इमारतों के बचाव कार्यों के दौरान गतिशील, अवधि-जागरूक सुरक्षा जोखिम मूल्यांकन और वास्तविक समय में प्राथमिकता अपडेट करने में सक्षम करने के लिए एक एकीकृत 85-सूचक साक्ष्य स्थान को चरण-विशिष्ट स्थिर अनुमान और निरंतर-समय मार्कोव श्रृंखलाओं के साथ एकीकृत करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
जब एक शक्तिशाली भूकंप आता है, तो जो इमारतें ढह जाती हैं वे केवल गायब नहीं हो जातीं; वे कंक्रीट और स्टील का एक अनिश्चित, डगमगाता हुआ परिदृश्य बन जाती हैं जो अभी भी खतरे से भरा होता है। ये अवशेष मेटास्टेबल (metastable) होते हैं, जिसका अर्थ है कि वे एक नाजुक संतुलन में होते हैं जहाँ शेष संरचना एक धागे के सहारे टिकी होती है, और वे मार्ग जो कभी भार वहन करते थे, अब मुड़ या टूट चुके होते हैं। उन बचाव दलों के लिए जिन्हें जीवित बचे लोगों को खोजने के लिए इन स्थानों में प्रवेश करना पड़ता है, खतरा निर्णय लेने का कोई एक क्षण नहीं बल्कि एक निरंतर, विकसित होने वाली अवस्था है। हर बार जब कोई बचावकर्मी एक छेद करता है, एक भारी बीम उठाता है, या एक संकीले मार्ग से गुजरता है, तो वे मलबे पर कार्य करने वाले बलों को बदल देते हैं। एक बदलाव जो एक क्षण में हानिरहित लग सकता है, वह कुछ मिनटों बाद एक माध्यमिक ढहने (secondary collapse) को ट्रिगर कर सकता है, विशेष रूप से यदि जमीन फिर से हिल जाए। सुरक्षा विशेषज्ञों के लिए चुनौती लंबे समय से यह रही है कि इस बदलते जोखिम को वास्तविक समय में कैसे मापा जाए। पारंपरिक तरीके अक्सर इमारत की स्थिति पर ध्यान केंद्रित करते हैं या विशिष्ट कार्यों के लिए सुरक्षा सूचियों की जाँच करते हैं, लेकिन वे बचाव अभियान के विभिन्न चरणों के बीच संबंध बनाने या जैसे-जैसे काम आगे बढ़ता है और समय बीतता है, खतरे के स्तर को अपडेट करने में संघर्ष करते हैं।
इसे हल करने के लिए, शोधकर्ताओं ने सुरक्षा को ट्रैक करने का एक नया तरीका विकसित किया है जिसे 'होल-प्रोसेस कैस्केडिंग बेयसियन नेटवर्क' (whole-process cascading Bayesian network) कहा जाता है। कल्पना कीजिए कि बचाव अभियान एक एकल घटना नहीं है, बल्कि अलग-अलग चरणों की एक श्रृंखला है, जैसे कि साइट की खोज करना, अस्थिर दीवारों को सहारा देना, फर्शों को तोड़ना, मलबे को हटाना और जीवित बचे लोगों को बाहर ले जाना। शोधकर्ताओं ने एक डिजिटल मॉडल बनाया जो प्रत्येक चरण को एक श्रृंखला में एक अद्वितीय नोड (node) के रूप में मानता है। प्रत्येक चरण के लिए, मॉडल संभावित खतरों के एक विशाल पुस्तकालय को देखता है—जिसमें मलबे की भौतिक स्थिरता और जहरीली गैसों की उपस्थिति से लेकर टीम के प्रशिक्षण स्तर और उनके उपकरणों की स्थिति तक सब कुछ शामिल है। हालाँकि, हर क्षण हर एक कारक की निगरानी करने के बजाय, सिस्टम एक स्मार्ट फिल्टर का उपयोग करता है। यह केवल उन विशिष्ट संकेतकों को सक्रिय करता है जो उस कार्य के लिए महत्वपूर्ण हैं। यदि टीम एक स्लैब में ड्रिल कर रही है, तो मॉडल कंपन और धूल नियंत्रण पर ध्यान केंद्रित करता है; यदि वे किसी जीवित बचे व्यक्ति को स्थानांतरित कर रहे हैं, तो यह अपना ध्यान चिकित्सा समन्वय और मार्ग की स्थिरता की ओर मोड़ देता है। यह सिस्टम को लचीला बनाए रखने की अनुमति देता है, अप्रासंगिक डेटा को अनदेखा करते हुए उन कारकों पर निरंतर नज़र रखता है जो वास्तव में उस विशिष्ट क्षण के लिए महत्वपूर्ण हैं।
जो इस दृष्टिकोण को वास्तव में शक्तिशाली बनाता है, वह यह है कि यह समय और ऑपरेशन के इतिहास को कैसे संभालता है। एक वास्तविक बचाव में, कार्यों का क्रम बदल सकता है, और प्रत्येक कार्य पर बिताया गया समय बहुत भिन्न हो सकता है। मॉडल इस बात को ध्यान में रखते हुए कि साइट की स्थिति एक ऐसी चीज़ है जो एक चरण से दूसरे चरण में बनी रहती है, इसे संभालता है। यदि एक टीम किसी दीवार को सहारा देने में लंबा समय बिताती है, तो मॉडल गणना करता है कि संरचना कैसे कमजोर या स्थिर हो सकती है। इसके बाद, यह अपडेट की गई स्थिति को अगले कार्य के लिए आगे भेज देता है, यह सुनिश्चित करते हुए कि फर्श तोड़ने के जोखिम मूल्यांकन में शोरिंग (shoring) चरण के दौरान जो हुआ उसका इतिहास भी शामिल हो। यह सुरक्षा की एक निरंतर, चलती रहने वाली तस्वीर बनाता है जो नई जानकारी आने पर अपडेट होती है, न कि एक स्थिर स्नैपशॉट जो टीम के नए स्थान पर जाने के साथ ही पुराना हो जाता है।
शोधकर्ताओं ने इस प्रणाली का परीक्षण मांडले के एक वास्तविक ऐतिहासिक बचाव परिदृश्य को लागू करके किया, जिसमें घटनाओं का पुनर्निर्माण किया गया ताकि यह देखा जा सके कि मॉडल कैसा प्रदर्शन करता। उन्होंने पाया कि सबसे खतरनाक चरण अनिवार्य रूप से खोज या अंतिम निकासी नहीं था, बल्कि फंसे हुए जीवित बचे लोगों तक पहुँचने के लिए कंक्रीट के स्लैब को तोड़ना था। इस चरण के दौरान, मॉडल ने उच्चतम जोखिम स्कोर की गणना की, जो मुख्य रूप से ड्रिलिंग के कारण होने वाले कंपन और संरचना की अस्थिरता से प्रेरित था। सिस्टम ने सही ढंग से पहचाना कि इमारत के झुकने या अजीब, चेतावनी देने वाली आवाज़ें करने का जोखिम इस विशिष्ट समय के दौरान अपने चरम पर था। इन प्रबंधनीय, समय-जागरूक चरणों में ऑपरेशन को विभाजित करके, मॉडल ने एक स्पष्ट, ऑडिट योग्य रिकॉर्ड प्रदान किया कि खतरा कब और क्यों सबसे अधिक था।
यह अध्ययन पुष्टि करता है कि ढही हुई इमारतों के बचाव में सुरक्षा एक निश्चित संख्या नहीं है बल्कि एक गतिशील कहानी है जो हर क्रिया के साथ बदलती है। नया मॉडल उस कहानी को स्पष्ट रूप से बताने का एक तरीका प्रदान करता है, जिससे कमांडरों को यह देखने की अनुमति मिलती है कि किसी भी दिए गए क्षण में कौन से कारक जोखिम को बढ़ा रहे हैं। यह निश्चितता के साथ दुर्घटनाओं की भविष्यवाणी नहीं करता है, बल्कि यह एक संरचित, साक्ष्य-आधारित स्कोर प्रदान करता है जो टीमों को उनके सुरक्षा मार्जिन को समझने में मदद करता है। किए जा रहे विशिष्ट कार्यों और समय के साथ साइट की स्थिति कैसे विकसित होती है, इस पर ध्यान केंद्रित करके, यह दृष्टिकोण बचावकर्ताओं को निर्णय लेने, आवश्यकतानुसार रुकने और अपने प्लान को समायोजित करने के लिए एक बेहतर उपकरण देता है ताकि जीवित बचे लोगों और टीम दोनों को सुरक्षित रखा जा सके। यह कार्य सुझाव देता है कि बचाव को अलग-थलग कार्यों की एक श्रृंखला के बजाय घटनाओं के एक जुड़े हुए क्रम के रूप में मानकर, हम भूकंप के बाद की रिकवरी के जटिल और बदलते खतरों को बेहतर ढंग से प्रबंधित कर सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।