Hybrid AHP-Fuzzy TOPSIS Approach for Selecting Deep Excavation Support System
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
This paper introduces and further applies an approach to support the decision makers in construction projects differentiating among a variety of deep excavation supporting systems (DESSs). These kinds of problems include dealing with uncertainty in data, multi-criteria affecting the decision, and multi-alternatives to select one from them. The proposed approach combines the analytic hierarchy process (AHP) with the fuzzy technique for order of preference by similarity to ideal solution (fuzzy TOPSIS) in a multicriteria decision-making (MCDM) model. The MCDM model emphasize the ability to combine expert knowledge, cost calculations, and laboratory test results for soil properties to achieve the scope. The model proved it had a superior ability to deal with the complexity and vague data that are related to construction projects. Furthermore, it was applied to a real case study for a governmental housing project in Egypt. Secant pile walls, sheet pile walls, and soldier piles and lagging are selected and studied as being the most common DESSs and as they satisfy the project requirements. The model utilized four criteria and fourteen comparing factors, including site characteristics, safety, cost, and environmental impacts. Based on the results of the model application on the investigated case study, a decision was reached that using secant piles as a supporting system in this project is mostly preferred. Furthermore, sheet pile wall, and soldier piles and lagging, come next in the ranking order. A sensitivity analysis is carried out to investigate how sensitive the results are to the criteria weights. In addition, the paper discusses in detail the reasons and factors which affect and control the decision-making process.
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 | 0,009 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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