A hybrid fuzzy stochastic analytical hierarchy process (FSAHP) approach for evaluating ballast water treatment technologies
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».