Modelling of Flood Hazard Early Warning Group Decision Support System
محل انتشار: ژورنال مهندسی عمران، دوره: 10، شماره: 2
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 267
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CEJ-10-2_018
تاریخ نمایه سازی: 2 اردیبهشت 1403
چکیده مقاله:
Early warning of flood hazards needs to be carried out comprehensively to avoid a higher risk of disaster. Every decision on early warning of a flood hazard is carried out in part by one party, namely the government or water resource managers. This research aims to provide a collaborative decision-making model for early warning of flood hazards through a Group Decision Support System Model (GDSS), especially in Indonesia. The novelty of this research is that the GDSS model involves more than one decision-maker and multi-criteria decision-making for early warning of flood hazards in the downstream Kali Sadar River, Mojokerto Regency, East Java Province, Indonesia. The GDSS model was developed using a hybrid method, namely the Analytical Network Process (ANP) and VlseKriterijumska Optimizacija I Kompromisno Resenje (VIKOR). There was more than one decision result; voting was carried out using the BORDA method to produce the decision. The test results of GDSS were obtained using a Spearman rank correlation coefficient of ۰.۸۴۲۵ and matrix confusion, an accuracy value of ۸۶.۷%, a precision value of ۸۶.۷%, a recall value of ۸۶.۷%, and an f-measure of ۸۶.۷%. Based on the test results, good results were obtained from the GDSS model. Doi: ۱۰.۲۸۹۹۱/CEJ-۲۰۲۴-۰۱۰-۰۲-۰۱۸ Full Text: PDF
کلیدواژه ها:
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
