The unbearable fuzziness of being sustainable: an integrated, fuzzy logic-based aquifer health index
Notice bibliographique
Résumé
We introduce a groundwater sustainability index offering a novel combination of features. It is holistic in the sense that it incorporates both water quantity and water quality indicators. The former employs the signal-to-noise ratio of long-term trends estimated via robust regression; the latter uses concentration of the primary contaminant of concern. A fuzzy inference system integrates these unlike metrics. The system also explicitly encodes expert knowledge and stakeholder values, and directly acknowledges subjectivity in environmental condition “grading,” through the use of linguistic rules and fuzzy sets, respectively. The fuzzy rule base is constructed such that poor environmental conditions captured by one measure are not hidden by good performance in another. A standard Mamdani (max–min) inference engine is used with centroid defuzzification. The outcome is an intuitively accessible index ranging from 0 to 100. The method is demonstrated using examples from the Abbotsford-Sumas aquifer, an important and managerially challenging transboundary (Canada–US) water resource. Editor D. Koutsoyiannis; Associate editor E. RozosCitation Fleming, S.W., Wong, C., and Graham, G., 2014. The unbearable fuzziness of being sustainable: an integrated, fuzzy logic-based aquifer health index. Hydrological Sciences Journal, 59 (6), 1154–1166. http://dx.doi.org/10.1080/02626667.2014.907496
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».