MétaCan
Menu
Retour à la cohorte
Enregistrement W2989690038 · doi:10.1080/10106049.2019.1695958

Incorporating multi-criteria decision-making and fuzzy-value functions for flood susceptibility assessment

2019· article· en· W2989690038 sur OpenAlexaff
Ali Azareh, Elham Rafiei Sardooi, Bahram Choubin, Saeed Barkhori, Ali Shahdadi, Jan Adamowski, Shahaboddin Shamshirband

Notice bibliographique

RevueGeocarto International · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésFlood mythWatershedFlooding (psychology)Fuzzy logicEnvironmental scienceHydrology (agriculture)GeographyWater resource managementEnvironmental resource managementCartographyComputer scienceEngineeringArtificial intelligenceMachine learningGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Floods are among the most frequently occurring natural disasters and the costliest in terms of human life and ecosystem disturbance. Identifying areas susceptible to flooding is important for developing appropriate watershed management policies. As such, the goal of the present study was to develop an integrated framework for flood susceptibility assessment in data-scarce regions, using data from the Haraz watershed in Iran. Flood-influencing indices best suited to the identification of areas particularly prone to flooding were selected. The decision-making trial and evaluation laboratory (DEMATEL) approach was used to investigate the interdependence among criteria and to develop a network structure representative of the problem. The relative importance of different flood-influencing factors was determined using the analytical network process (ANP). A flood susceptibility map was produced using weights obtained through the ANP and fuzzy-value function (FVF) and validated using 72 available flood locations where flooding occurred between 2006 and 2018. After validating the results, fuzzy theory served to better delineate the flood susceptibility scores among the region’s sub-watersheds. Incorporating the DEMATEL-ANP approach with FVF yielded an accuracy of 89.1%, as was assessed through the area under the curve (AUC) of a receiver operating characteristics (ROC) curve. The results indicated that the strongest flood-influencing (occurrence/nonoccurrence) factors were elevation, land use, soil texture, and frequency of heavy rainstorms. The fuzzy theory showed sub-watershed C1 to be highly susceptible to flooding, and thus, most in need of flood management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,014
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,311
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations103
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeocarto InternationalMême sujetFlood Risk Assessment and ManagementTravaux en français237 207