[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آخرین مطالب بخش
:: نمایه ها
..
  اعضای هیات تحریریه بر اساس حروف الفبا

دکتر مجتبی احسانی فر

دکتر زهرا خزیر

دکتر عزیزاله دهقان

دکتر علی دهقانی

دکتر نرجس هزار

دکتر فرزان مددی زاده

دکتر حامد محمدی

دکتر محمد محمدی

دکتر حمیدرضا مجیدیانی

دکتر نورالدین نیکنام

دکتر کرامت‌الله رحمانیان

دکتر بهاره شاطری امیری

دکتر نادر شریفی

..
مشابهت یاب سمیم نور
..
COPE
..
:: دوره 2، شماره 4 - ( زمستان 1403 ) ::
جلد _VOLUME__1 شماره __ISSUE_1_ صفحات 141-__LP_11_ برگشت به فهرست نسخه ها
کاربرد هوش مصنوعی در مواجهه با موج سرمازدگی
آمنه مرزبان*
گروه سلامت در بلایا و فوریتها، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران ، amenemarzban@yahoo.com
چکیده:   (145 مشاهده)
سرمازدگی و تغییرات جوی مرتبط با آن تهدیدات جدی برای سلامت عمومی، امنیت غذایی، و پایداری اقتصادی ایجاد می‌کنند. در این راستا، هوش مصنوعی (AI) به عنوان ابزاری نوین، نقش مهمی در پیش‌بینی، مدیریت، و کاهش اثرات این پدیده‌ها ایفا می‌کند. مدل‌های یادگیری ماشین با تحلیل داده‌های متنوع، امکان ارائه هشدارهای زودهنگام را فراهم می‌کنند و سیستم‌های هوشمند، بهینه‌سازی مصرف انرژی و ارائه خدمات بهداشتی را تسهیل می‌نمایند. با این حال، چالش‌هایی نظیر کمبود داده‌های دقیق، هزینه‌های بالا، و مسائل حریم خصوصی همچنان به‌عنوان موانعی اساسی مطرح هستند. برای بهره‌برداری بهینه از AI در مقابله با سرمازدگی، توسعه مدل‌های مقاوم در برابر کمبود داده، گسترش همکاری‌های بین‌المللی، و بررسی هزینه-فایده این فناوری ضروری است. سرمایه‌گذاری در هوش مصنوعی نه تنها به کاهش اثرات سرمازدگی کمک می‌کند، بلکه الگویی برای مدیریت سایر بحران‌های اقلیمی ارائه می‌دهد.
واژه‌های کلیدی: هوش مصنوعی، سرمازدگی، مدیریت بحران
متن کامل [PDF 498 kb]   (57 دریافت)    
نوع مطالعه: نامه به سردبیر | موضوع مقاله: عمومى
دریافت: 1403/10/25 | پذیرش: 1403/12/20 | انتشار: 1403/12/22
فهرست منابع
1. Gupta S, Modgil S, Kumar A, Sivarajah U, Irani Z. Artificial intelligence and cloud-based Collaborative Platforms for Managing Disaster, extreme weather and emergency operations. International Journal of Production Economics. 2022;254:108642. [DOI:10.1016/j.ijpe.2022.108642]
2. Haupt SE, Chapman W, Adams SV, Kirkwood C, Hosking JS, Robinson NH, et al. Towards implementing artificial intelligence post-processing in weather and climate: Proposed actions from the Oxford 2019 workshop. Philosophical Transactions of the Royal Society A. 2021: 379(2194):20200091. [DOI:10.1098/rsta.2020.0091]
3. Kankanamge N, Yigitcanlar T, Goonetilleke A. Public perceptions on artificial intelligence driven disaster management: Evidence from Sydney, Melbourne and Brisbane. Telematics and Informatics. 2021;65:101729. [DOI:10.1016/j.tele.2021.101729]
4. Fan C, Zhang C, Yahja A, Mostafavi A. Disaster City Digital Twin: A vision for integrating artificial and human intelligence for disaster management. International journal of information management. 2021;56:102049. [DOI:10.1016/j.ijinfomgt.2019.102049]
5. Wei Z. Forecasting wind waves in the US Atlantic Coast using an artificial neural network model: Towards an AI-based storm forecast system. Ocean Engineering. 2021;237:109646. [DOI:10.1016/j.oceaneng.2021.109646]
6. Pérez Tárraga J, Castillo-Cara M, Arias-Antúnez E, Dujovne D. Frost forecasting through machine learning algorithms. Earth Science Informatics. 2025;18(2):183. [DOI:10.1007/s12145-025-01710-6]
7. Barooni M, Ziarati K, Barooni A, editors. Frost Prediction Using Machine Learning Methods in Fars Province. 2023 28th International Computer Conference, Computer Society of Iran (CSICC); 2023: IEEE. [DOI:10.1109/CSICC58665.2023.10105391]
8. Mu M, Qin B, Dai G. Predictability study of weather and climate events related to artificial intelligence models. Advances in Atmospheric Sciences. 2025;42(1):1-8. [DOI:10.1007/s00376-024-4372-7]
9. Waqas M, Humphries UW, Chueasa B, Wangwongchai A. Artificial Intelligence and Numerical Weather Prediction Models: A Technical Survey. Natural Hazards Research. 2024. [DOI:10.1016/j.nhres.2024.11.004]
10. Ling F, Ouyang L, Larbi BR, Luo J-J, Han T, Zhong X, et al. Is artificial intelligence providing the second revolution for weather forecasting. arXiv preprint arXiv:240116669. 2024.
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Marzban A. (2025). Applying artificial intelligence to deal with the cold wave. Health Res Develop. 2(4), 37-41. doi:10.61186/jhrd.2.4.37
URL: http://jhrd.trjums.ac.ir/article-1-92-fa.html

مرزبان آمنه. کاربرد هوش مصنوعی در مواجهه با موج سرمازدگی تحقیق و توسعه سلامت 1403; 2 (4) :41-37 10.61186/jhrd.2.4.37

URL: http://jhrd.trjums.ac.ir/article-1-92-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 2، شماره 4 - ( زمستان 1403 ) برگشت به فهرست نسخه ها
پژوهش و توسعه سلامت Health research and development
Persian site map - English site map - Created in 0.05 seconds with 42 queries by YEKTAWEB 4710