Framework for Risk Identification of Renewable Energy Projects Using Fuzzy Case-Based Reasoning
Notice bibliographique
Résumé
Construction projects are highly risk-prone due to both internal factors (e.g., organizational, contractual, project, etc.) and external factors (e.g., environmental, economic, political, etc.). Construction risks can thus have a direct or indirect impact on project objectives, such as cost, time, safety, and quality. Identification of these risks is crucial in order to fulfill project objectives. Many tools and techniques have been proposed for risk identification, including literature review, questionnaire surveys, and expert interviews. However, the majority of these approaches are highly reliant on expert knowledge or prior knowledge of the project. Therefore, the application of such tools and techniques in risk identification for renewable energy projects (e.g., wind farm and solar power plant projects) is challenging due to their novelty and the limited availability of historical data or literature. This paper addresses these challenges by introducing a new risk identification framework for renewable energy projects, which combines case-based reasoning (CBR) with fuzzy logic. CBR helps to solve problems related to novel projects (e.g., renewable energy projects) based on their similarities to existing, well-studied projects (e.g., conventional energy projects). CBR addresses the issue of data scarcity by comparing novel types of construction projects to other well-studied project types and using the similarities between these two sets of projects to solve the different problems associated with novel types of construction projects, such as risk identification of renewable energy projects. Moreover, the integration of fuzzy logic with CBR, to develop fuzzy case-based reasoning (FCBR), increases the applicability of CBR in construction by capturing the subjective uncertainty that exists in construction-related problems. The applicability of the proposed framework was tested on a case study of an onshore wind farm project. The objectives of this paper are to introduce a novel framework for risk identification of renewable energy projects and to identify the risks associated with the construction of onshore wind farm projects at the work package level. The results of this paper will help to improve the risk management of renewable energy projects during the construction phase.
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 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 | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».