A Two-Stage Interval-Stochastic Programming Model for Waste Management under Uncertainty
Notice bibliographique
Résumé
This study introduces a two-stage interval-stochastic programming (TISP) model for the planning of solid-waste management systems under uncertainty. The model is derived by incorporating the concept of two-stage stochastic programming within an interval-parameter optimization framework. The approach has the advantage that policy determined by the authorities, and uncertain information expressed as intervals and probability distributions, can be effectively communicated into the optimization processes and resulting solutions. In the modeling formulation, penalties are imposed when policies expressed as allowable waste-loading levels are violated. In its solution algorithm, the TISP model is converted into two deterministic submodels, which correspond to the lower and upper bounds for the desired objective-function value. Interval solutions, which are stable in the given decision space with associated levels of system-failure risk, can then be obtained by solving the two submodels sequentially. Two special characteristics of the proposed approach make it unique compared with other optimization techniques that deal with uncertainties. First, the TISP model provides a linkage to predefined policies determined by authorities that have to be respected when a modeling effort is undertaken; second, it furnishes the reflection of uncertainties presented as both probabilities and intervals. The developed model is applied to a hypothetical case study of regional solid-waste management. The results indicate that reasonable solutions have been generated. They provide desired waste-flow patterns with minimized system costs and maximized system feasibility. The solutions present as stable interval solutions with different risk levels in violating the waste-loading criterion and can be used for generating decision alternatives.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».