A Decision–Making System for Managing Renewable Energy Alternatives and Strategy Using Triangular Neutrosophic Bipolar Fuzzy TOPSIS
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
With the rising global population and the urgent need to reduce reliance on nonrenewable energy, selecting optimal renewable sources is critical. Among these, solar energy stands out due to its wide availability, scalability, and minimal environmental impact. This study proposes a novel triangular neutrosophic bipolar fuzzy TOPSIS (TNBF-TOPSIS) model that prioritizes solar energy by integrating both desirable criteria (e.g., eco-friendliness, economic viability, and operational stability) and undesirable aspects (e.g., intermittency, land use, and regional constraints). Unlike previous methods, our approach introduces a new averaging mechanism for positive and negative attributes using the triangular neutrosophic bipolar fuzzy Einstein hybrid aggregation (TNBFEHA) operator, enhancing the precision and robustness of multi-criteria group decision-making. Distances from ideal solutions (TNBF-PIS and TNBF-NIS) are computed to reduce subjectivity. The model is applied to evaluate solar, wind, hydropower, and geothermal energy sources, with findings highlighting solar energy as the most suitable option. Beyond energy planning, the framework holds potential for applications in environmental policy, sustainable urban development, and smart grid design. This study offers a comprehensive and distinguished tool for decision-making under uncertainty, reinforcing the centrality of solar power in achieving sustainable and resilient energy systems.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,010 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,003 | 0,001 |
| 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 découle