Kl. 11:00: Prøveforelesning
Kl: 13:15: Forsvar av avhandlingen
Lenke til disputas: https://hiof.zoom.us/j/63690188255?pwd=bS2Tb9LETdEV12zahx0YWcaf4v8yDG.1
Mostafa Aliyari har undersøkt integrasjon av ny teknologi som fjernstyrte ubemannede luftfartøyer (UAV) med maskinlæring for datainnsamling og -analyse knyttet til kritisk infrastruktur. r datainnsamling og -analyse knyttet til kritisk infrastruktur.Broinspeksjoner og kraftbelastningsprognoser har vært spesielt analysert. Teknologiske, politiske og demografiske endringer øker kompleksiteten og sårbarheten til vår infrastruktur, så nye og innovative metoder for overvåkning og analyse er avgjørende.
Bilder som er tatt med UAV-er under inspeksjon brukes til å utvikle nye metoder for å oppdage sprekkdannelser og andre feil. Casestudier av Grimsøy- og Håkenby-bruene illustrerer den praktiske anvendelsen. Resultatene indikerer at integrering av UAV-er med avanserte maskinlæringsteknikker forbedrer strukturell feildeteksjon betydelig, og dermed den generelle samfunnssikkerheten.
En annen del av avhandlingen fokuserer på tidsseriedata relatert til kraftbelastningsprognoser. Denne delen inkluderer en sammenliknende analyse av effektiviteten til ulike maskinlæringsmodeller. I tillegg er det utviklet en ny algoritme for «maurkolonioptimalisering» for å optimalisere parametere for kraftbelastningsprognoser. Funnene viser bemerkelsesverdige forbedringer i forutsigbarhet, og dermed for bedre ressursallokering innen kraftsystemer.
Samlet sett viser forskningen hvordan kritisk infrastruktur kan dra nytte av å integrere ny teknologi og avanserte prediktive metoder for maskinlæring for å effektivisere og forbedre risiko- og ytelsesvurderinger.