در سراسر دنیا، صنعت ساختمان بستر وقوع بسیاری از آسیب های شغلی میباشد . برای کاهش این قبیل حوادث، تنها استفاده از روشهای یادگیری ماشین به صورت 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 به صورت قانون مبنا با استفاده از منطق فازی پیش بینی می شود. با این روش علاوه بر پیش بینی نتیجه حوادث، قوانین علّی بین شدت حوادث و شرایط وقوع حوادث نیز به دست می آیند . در این مطالعه، ابتدا جدول جستجو برای استخراج خودکار قوانین اگر - آنگاه فازی از داده های آموزش به کار میرود. در این بخش پس از حذف قوانین تکراری و ناسازگار، قوانین سازگار برای پی ش بینی حوادث به دست می آیند . سپس برای پیش بینی داده های آزمون، سیستم استنتاج فازی پیاده سازی میگردد. مدل ارائه شده با ۱۸ قانون موفق به پیش بینی صحیح 43/۸3 % از حوادث میگردد. این مدل در مقایسه با درخت تصمیم قوانین کمتر و بیش از 20 %عملکرد بهتر در انجام پیش بینی دارد. پیش بینی شدت حوادث به همراه ارائه الگوهای حاکم بر آن به متخصصان ایمنی برای ارزیابی خطرات آتی و برنامه ریزی اقدامات پیشگیرانه کمک می نماید .

کلمات کلیدی