A hybrid fuzzy stochastic analytical hierarchy process (FSAHP) approach for evaluating ballast water treatment technologies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Environmental decisions can be complex because of the inherent trade-offs among environmental, social, ecological, and economic factors. This paper presents a novel hybrid fuzzy stochastic analytical hierarchy process (FSAHP) approach to aid decision making by incorporating fuzzy and stochastic uncertainty into the traditional analytic hierarchy process (AHP). A case study related to ballast water management is used to demonstrate the applicability of the proposed approach. Nine experts from government ministries and academic institutions are invited to evaluate five treatment technologies (i.e., heat treatment, ultraviolet, ozone, ultrasound, and biocide) based on a number of criteria such as efficacy, capital cost, and human risk. Results The experts’ preferences over the set of alternatives are represented as linguistic terms instead of numerical values. The beta-PERT distribution is adopted to approximate the probability density functions of the values of their inputs. Statistical analysis indicates that ultraviolet has the highest score (0.22–0.24) in most replications and its overlap with the second-best alternative is statistically negligible. Ozone, ultrasound, and heat treatment are mostly found as the second-, third-, and fourth-best alternatives with considerable overlaps that may be reduced if more experts are involved. Conclusions As compared with the traditional AHP, the proposed FSAHP approach can not only take into account linguistic information but also capture the uncertainty associated with insufficient information and biased opinions in group decision-making problems.
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.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 découle