پیشینه و اهداف: یک سوم سطح زمین از آب پوشیده شده که در این میان، اقیانوس ها بیشترین سهم را دارند. زمین لرزه بزرگ اندونزی که در 26 دسامبر 2004 درون اقیانوس هند رخ داد و جنوب شرقی آسیا را لرزاند و منجر به مرگ افراد زیادی در مناطق ساحلی کشورهای مختلف شد، قدرت ویرانگر سونامی ها را به جهانیان یادآور شد. بنابراین فراهم کردن نوعی سامانه هشدار جهت اطلاع رسانی به مردم مناطق ساحلی امری ضروری است تا افراد بتوانند به موقع آن مناطق را تخلیه کرده و خسارات جانی و مالی حاصل از این بلایا کاهش یابد. پس از سونامی مخربی که در مارس 2012 در ژاپن رخ داد، ثابت شده است که سامانه های تشخیص و هشدار سونامی از اهمیت ویژه ای برخوردار هستند. روش ها: از سامانه تشخیص زلزله و سامانه هشدار سونامی جهت شناسایی سونامی قبل از وقوع و صدور اخطار برای جلوگیری از خسارات جانی و مالی استفاده می شود. سامانه های هشدار سونامی دارای سه مؤلفه اصلی هستند: شبکه لرزه نگاری در زمان وقوع برای شناسایی و توصیف زلزله، شبکه نظارت بر سطح دریا در زمان وقوع (شامل سنجش جزر و مد و سونامی متر) برای اندازه گیری سونامی، و مراکز هشدار سونامی برای پردازش داده ها و انتشار پیام هشدار. یافته ها: در سامانه های هشدار سریع سونامی از نتایج مدلسازی و شبیه سازی عددی، بویه های سونامی سنج، تغییرات تراز آب دریا، نوسانات جزر ومدی، موج نگار، شبکه های لرزه نگاری و. . . استفاده می شود که بسیار زمان بر و پرهزینه بوده و داده های آنها محدود به چند نقطه مشخص شده است؛ در حالی که با استفاده از فناوری اطلاعات و اینترنت اشیاء، ارسال و دریافت داده ها بسیار سریع تر و مقرون به صرفه تر است. همچنین حجم داده های دریافتی نسبت به منطقه مشخص شده، بسیار وسیع تر بوده و محدود به نقاط مشخصی نیست. ایجاد و استفاده از این سامانه ها باید بخشی از برنامه های ملی کاهش اثرات مخرب بلایا و کاهش آسیب پذیری و به حداقل رسانی مرگ و میر ناشی از مخاطرات دریایی باشد. نتیجه گیری: فناوری های اینترنت اشیاء با شبکه بسیار کوچک تر، ارزان تر، با سرعت بیشتر و زمان کوتاهتر به بخش مهم و بزرگی از استراتژی های مدیریت بحران و مدیریت حوادث طبیعی تبدیل شده است. با قرار دادن استراتژیک شبکه های حسگر بی سیم در نقاط کلیدی در دریا، می توان از داده های به روز برای بررسی وضعیت نقاط محلی در زمان وقوع سونامی استفاده کرد. این داده ها می توانند از مدل های پیش بینی (مبتنی بر بستر ابری IoT) تغذیه شده و برای دادن هشدارهای اولیه در مورد بلایای احتمالی استفاده شوند. انسان امروز باید فناوری های نوین و جدیدی مانند اینترنت اشیاء، بستر ابری، هوش مصنوعی و. . . را جایگزین فناوری های موجود نماید.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

هدف مطالعه حاضر، پیش بینی احتمال وقوع بحران بانکی در چارچوب سیستم هشدار زودهنگام پویا است. بدین منظور، از داده های 2017-1996 منتخبی از 10 کشور با درآمد متوسط بالا، استفاده شده و الگوی تحقیق به روش لاجیت ایستا و پویا تخمین زده شد. نتایج تحقیق نشان داد که الگوی لاجیت پویا بهتر از ایستا است. بر این اساس، متغیرهای نسبت نقدینگی گسترده، نسبت اعتبار داخلی به GDP و شاخص قیمت سهام به عنوان هشداردهنده های زودهنگام بحران بانکی شناسایی شدند. همچنین متغیر پویای الگو (بحرانی بانکی با وقفه) بیانگر آن است که در صورت وقوع بحران در یک سال قبل، احتمال وقوع بحران در سال جاری نیز وجود دارد؛ که این موضوع، احتمال تداوم و ماندگاری بحران های بانکی طی سال های متوالی را نشان می دهد. در ادامه نتایج ارزیابی سیستم هشدار نشان داد که توان پیش بینی الگوی پویا در هر دو حالت پیش بینی درون و برون نمونه ای، بهتر از الگوی ایستا است.

با توجه به اینکه پیش بینی دقیق زمین لرزه با دانش فعلی بشر امکان پذیر نمی باشد، بنابراین، یک سامانه هشدار سریع زمین لرزه می تواند نقش پراهمیتی در کاستن تلفات و خسارات زمینلرزه ها داشته باشد. در این مطالعه با استفاده از تعریف تابع احتمالاتی، میزان اجرایی بودن سامانه هشدار سریع زمین لرزه برای گسل شمال تبریز در شمال غرب ایران بررسی و زمان هشدارهای در سایت و ناحیه ای مناطق و شهر-های در معرض خطر که شامل 15شهر با اولویت بالا شامل: خوی، ورزقان، سراب، تبریز، قره ضیاءالدین، آمند، تیکمه داش، اسکو، دمیرچی، بستان آباد، صوفیان، هریس، اهر، خواجه و میانه می باشد، به شکل احتمالاتی ارزیابی گردد. اولویت بندی خطرپذیری شهر های ذکر شده در این مطالعه بر اساس شبیه سازی جنبش نیرومند زمین با استفاده از روش تصادفی برای 22 زمینلرزه محتمل سناریو انجام شده است. نتایج حاصل از این مطالعه نشان می دهد که حداکثر زما ن های هشدار ناحیه ای برای شهر های خوی، قره ضیا الدین، میانه، بستان آباد، هریس، خواجه، سراب، تیکمه داش، ورزقان، دمیرچی و تبریز به ترتیب 19، 20، 21، 13، 17، 12، 19، 14، 15، 18 و 10 ثانیه است. این زمان های هشدار به عنوان یک فرصت مناسب قبل از رسیدن امواج سهمگین و نیرومند زمینلرزه، تا حد بسیار زیادی می تواند از تلفات و خسارات ناشی از وقوع زمینلرزه ها بکاهد. با توجه به این موضوع که برای ایستگاه های نزدیک به کانون زمینلرزه، امکان ایجاد هشدار ناحیه ای صرفا برای اهداف دورتر میسر است، میزان هشدار های درسایت برای زمینلرزه های نزدیک به اهداف (زمینلرزه های تاثیرگذار)، بررسی گردید که همانطوری که انتظار می رود، میزان هشدار درسایت قابل توجهی ایجاد نمی شود.

زمینه و هدف: بلاخیز بودن کشور ایران و اجتناب ناپذیری وقوع بلایا، بیانگر ضرورت کسب آمادگی در مقابل بلایا می باشد. سامانه هشدار اولیه، یکی از مهم ترین اجزای آمادگی بیمارستانی است. مطالعه حاضر به منظور تعیین تاثیر اجرای سامانه هشدار اولیه بر آمادگی بیمارستان سوانح و سوختگی شهید مطهری تهران انجام شد.روش بررسی: این پژوهش در بیمارستان سوانح و سوختگی شهید مطهری تهران در سال 1393 با انجام جلسات مکرر با اساتید حوزه سلامت در بلایا و اعضای کمیته حوادث و بلایا جهت اجرای سامانه هشدار اولیه بر اساس برنامه کشوری آمادگی در بلایا در بیمارستان صورت پذیرفت. میزان آمادگی بیمارستان در مولفه های گوناگون با چک لیست استاندارد سازمان جهانی بهداشت که قبل و 45 روز بعد از مداخله تکمیل شده بود ارزیابی شد. سپس تحلیل داده ها با آزمون آماری ویلکاکسون انجام گردید.یافته ها: نتایج نشان داد که در مجموع مولفه های مورد بررسی، نمره آمادگی بیمارستان پس از مداخله به میزان 25 نمره ارتقا یافت که بیانگر افزایش معنی دار آمادگی بیمارستان در حوادث و بلایا از حالت متوسط به زیاد بود.نتیجه گیری: یافته این پژوهش حاکی از آن است که بیمارستان شهید مطهری دارای سطحی از آمادگی متوسط در مقابله با بلایا است و افزایش معنی دار سطح آمادگی بیمارستان با اجرای سامانه هشدار اولیه، بیانگر لزوم تدوین و اجرای این سامانه به منظور بالا بردن سطح آمادگی بیمارستان ها در مقابل بلایا می باشد.

با توجه به پیامدهای ناگوار تورم در بخش های مختلف اقتصاد، آگاهی از احتمال وقوع تورم شدید در آینده نزدیک،فرصتی بسیار مناسب جهت اجتناب از تبعات منفی تورم ایجاد می کند. برای آگاهی از وقوع تورم شدید درآینده نزدیک، در قدم اول باید عوامل موثر بر تورم را به درستی شناسایی کرد. در این مقاله از میان داده های ماهانه 21 متغیر احتمالی اثرگذار برتورم، در بازه زمانی فروردین 1375 تا دی ماه 1390ش، با ترکیب الگوریتم ژنتیک و شبکه های عصبی، متغیرهای اساسی موثر بر تورم ایران تعیین شده اند. این متغیرها عبارت اند از: حجم نقدینگی، مخارج دولت، شاخص دستمزد نیروی کار، نرخ سود بانکی، تولید ناخالص داخلی، تورم با وقفه زمانی و شاخص قیمت جهانی نفت خام. پس از شناسایی متغیرهای اساسی، یک سیستم هشداردهنده تورم شدید طراحی شده است. این سیستم با بهره گیری از مبانی شبکه های عصبی، احتمال وقوع تورم شدید در بازه شش ماه آتی را پیش بینی می کند. برای طراحی این سیستم از یک شبکه عصبی پیش خور با دولایه پنهان استفاده شده است. نتایج مدل، نشان دهنده عملکرد امیدوارکننده سیستم هشداردهنده است و سیستم قادر به صدور سیگنال های هشدار دهنده زودهنگام وقوع تورم شدید در آینده نزدیک است.

در این مقاله با استفاده از الگوی چرخشی مارکوف، داده های فصل کشور ایران در دوره زمانی 1383-1367 پردازش و یک الگوی هشدار دهنده پیش از وقوع، برآورد شده است. متغیرهای الگو شامل میانگین وزنی تغییرات نرخ ارز واقعی بازار و تغییرات ذخایر خارجی بانک مرکزی (شاخص SPI) به عنوان متغیر وابسته، و انحراف نرخ ارز واقعی از روند تعادلی، نرخ رشد نسبت M2 به دارایی های خارجی، نرخ رشد تولید واقعی، نسبت دارایی های خارجی بانک مرکزی به کل دارایی های آن، نرخ رشد سپرده های بانکی، نرخ رشد نسبت سپرده ها به M2، و نسبت بدهی دولت به بانک مرکزی به کل مطالبات بانک مرکزی، به عنوان متغیرهای توضیحی می باشند.طبق برآورد الگو، متوسط شاخص SPI در زمان آرامش (وضعیت صفر) حدود 0.8 درصد و در زمان بحران (وضعیت یک) 11 درصد و انحراف معیار SPI در دوره آرامش حدود 2 درصد و در دوره بحران حدود 14 درصد است. این امر می تواند بیانگر آن باشد که برای تشخیص و تفکیک دوره های بحران از دوره های آرامش، هم میانگین و هم انحراف معیار شاخص SPI، معیارهای مناسبی به شمار می آیند.برآوردها نشان می دهد که چنانچه اقتصاد ایران در زمان t در وضعیت آرامش باشد، به احتمال %73 در زمان t+1 هم در آرامش است و اگر در زمان t در وضعیت بحرانی قرار داشته باشد به احتمال %87 در زمان t+1 به وضعیت آرامش باز می گردد.

ثبات بر فقدان نسبی برخی انواع حوادث سیاسی بی‏ثبات کننده که به شکل تغییر در ساختار قدرت، تغییر در حکومت، مسالمت‏آمیز یا خشونت‏آمیز با قدرت سیاسی منجر می‏شود. برای بی‏ثباتی سیاسی، شاخص‏های زیادی ارائه شده اما تا کنون به مولفه‎های مشترک آن با یک ساختار هشداردهی اطلاعاتی، پژوهشی انجام نشده است. هشداردهی جزیی از علوم امنیتی و اطلاعاتی است که بر اساس نظام نشانه‏ها، هشدار داده و با اتکاء بر نظام نشانه‎ها، سیاستگذار و تصمیم‏گیران را از بروز خطری قطعی آگاه و کمک می‎نماید. با بررسی انجام این پژوهش با روش داده‏بنیاد و بررسی و اجرای مصاحبه‎های عمیق شش عامل و یا مولفه شامل تاثیر بی‎ثباتی بر مرجعیت امنیت، تاثیر بی‏ثباتی سیاسی به زیرساخت‎های حیاتی و حساس، آسیب پدیده بی‏ثباتی به سرمایه اجتماعی نظام سیاسی، تبدیل پدیده بی‏ثباتی سیاسی به تغییر رژیم سیاسی، تبدیل پدیده بی‏ثباتی سیاسی به تجزیه طلبی قومی و تاثیر پدیده بی‏ثباتی سیاسی بر قدرت دفاعی- امنیتی احصاء شد. در ادامه الگوی مناسب هشداردهی اطلاعاتی برای بی ثباتی سیاسی نیز طراحی و ارائه شده است. برای روایی و اعتبار چارچوب تدوین شده نیز موارد از طریق خبرگان بررسی و آنها نیز چارچوب احصاء شده را تایید نمودند. نتایج نشان داد که برخی از مولفه‎های بی‎ثباتی سیاسی با نشانه‎های یک نظام هشداردهی امنیتی و اطلاعاتی دارای رابطه نزدیکی‎ بوده و به عنوان وابسته مستقل بر ثبات سیاسی به عنوان متغیر مستقل دارای تعامل نزدیکی هستند. در این زمینه عناصر اطلاعاتی بایستی با نگاه اجتماعی نیز پدیده‎های بی‏ثباتی را دنبال تا درارائه هشدارهای امنیتی دچار مشکل یا چالش نگردند.