Incorporating multi-criteria decision-making and fuzzy-value functions for flood susceptibility assessment
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
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.
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) | 0,002 | 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 découle