Comparing ELECTRE and Linear Assignment Methods in Zoning Shahroud-Bastam Watershed for Artificial Recharge of Groundwater with GIS Technique
Notice bibliographique
Résumé
Today, uncontrolled exploitation of ground water has doubled water scarcity problem, while proper control and management of these resources can solve water shortage problem to some extent. One of the approaches for managing groundwater resources is artificial recharging of groundwater and determining the best location for this. This study aimed at ranking Shahroud–Bastam watershed using ELECTRE and linear assignment methods and the results of these two methods are compared. These two models are of multiple-criteria decision making compensation and coordinated subgroup models. The findings indicate that among the seven zones in ELECTRE method mentioned above, zones (3, 4,5) with four dominations and 2 defeats and 2 points are in the first ranking and are the most suitable zones for artificial recharge. Zone (1) with six defeats and no dominations and (-6) points is in the last ranking and is not suitable for artificial recharge of ground water. Zones (2, 6, 7) respectively with (2, 2, 1) dominations and (4, 4, 5) defeats and with (-2, -2, -4) points are in the next rankings respectively. Zones (1, 2, 6, 7) must be removed because the number of their defeats is more than the number of their dominations and have negative points. In linear assignment method, among 7 zones, zone 3 has the first rank and is the best zone for artificial recharge and zone 7 is in the last ranking and is not suitable for artificial recharge. Zones (4, 2, 5, 6, 1) are in the next rankings respectively. Between these two methods, the results of linear assignment method are more consistent with reality and are more accurate.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».