Paper Abstract
در سراسر دنیا، صنعت ساختمان بستر وقوع بسیاری از آسیب‌های شغلی می‌باشد. برای کاهش این قبیل حوادث، تنها استفاده از روش‌های یادگیری ماشین به‌صورت جعبه سیاه، کافی نمی‌باشد و دانش حاصل از فرایند یادگیری ماشین نیز باید به طور شفاف برای انسان ارائه گردد. بنابراین در این پژوهش، شدت حوادث ساختمانی به‌صورت قانون مبنا با استفاده از منطق فازی پیش‌بینی می‌شود. با این روش علاوه بر پیش‌بینی نتیجه حوادث، قوانین علّی بین شدت حوادث و شرایط وقوع حوادث نیز به دست می‌آیند. در این مطالعه، ابتدا جدول جستجو برای استخراج خودکار قوانین اگر - آنگاه فازی از داده‌های آموزش به کار می‌رود. در این بخش پس از حذف قوانین تکراری و ناسازگار، قوانین سازگار برای پیش‌بینی حوادث به دست می‌آیند. سپس برای پیش‌بینی داده‌های آزمون، سیستم استنتاج فازی پیاده‌سازی می‌گردد. مدل ارائه شده با 18 قانون موفق به پیش‌بینی صحیح 83/43% از حوادث می‌گردد. این مدل در مقایسه با درخت تصمیم قوانین کمتر و بیش از 20% عملکرد بهتر در انجام پیش‌بینی دارد. پیش‌بینی شدت حوادث به همراه ارائه الگوهای حاکم بر آن به متخصصان ایمنی برای ارزیابی خطرات آتی و برنامه‌ریزی اقدامات پیشگیرانه کمک می‌نماید.
