Water Resources Planning Under Deep Uncertainty and Multiple Criteria–An Example in the Senegal River Basin
Notice bibliographique
Résumé
Abstract Water resources planning must take into account a range of interconnected and uncertain factors, including climate, technology, economic conditions, environmental concerns, and political systems. Conventional approaches to water resources planning often fall short when dealing with deep uncertainty—particularly uncertainties driven by climate change. This study introduces a novel framework for planning new water infrastructure using Engineering Options Analysis (EOA) to identify the most promising and adaptive development pathways. The framework differentiates between deep and statistical uncertainties and evaluates alternatives across thousands of potential future scenarios using Net Present Value (NPV) analysis and the Monte Carlo Temporal Analytic Hierarchy Process (MC‐TAHP). To enhance decision‐making, the framework incorporates two key managerial options—delay and cancellation—enabling the identification of pathways that are both robust and flexible. The approach is applied to the Senegal River Basin, where it successfully identifies three flexible development pathways. The findings show that integrating flexibility into planning can substantially improve system robustness by hedging against the risks of undesirable outcomes while maintaining opportunities for high performance. For instance, adding flexibility to KBG development pathway (the sequential construction of the Koukoutamba, Boureya, and Gourbassi dams) simultaneously reduces downside risk by raising the 10th percentile aggregated performance score from 0.19 to 0.35, and enhances upside potential by increasing the 90th percentile score from 0.89 to 0.96.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».