| 1 |
What is the purpose of the empirical case study on coal manufacturing in the paper?
|
To promote a specific coal brand |
|
โดยความร่วมมือในเชิงลึกกับผู้เชี่ยวชาญด้านลอจิสติกส์และการขนส่ง แบบจำลองนี้แสดงถึงการดำเนินงานของอุตสาหกรรมถ่านหินในประเทศไทยให้ใกล้เคียงที่สุดเท่าที่จะเป็นไปได้ กรอบการทำงานสำหรับการเลือกเส้นทางหลายรูปแบบได้รับการพัฒนาประกอบด้วยห้าขั้นตอนหลัก ระยะแรกระบุเส้นทางการขนส่งถ่านหินต่อเนื่องหลายรูปแบบที่เป็นไปได้ ระยะที่ 2 กำหนดต้นทุนการขนส่งและเวลาของแต่ละเส้นทาง ระยะที่สามบูรณาการการตัดสินใจเชิงคุณภาพ ซึ่งรวมถึงคะแนนความเสี่ยงที่ประเมินโดยผู้เชี่ยวชาญ ระยะที่สี่กำหนดน้ำหนักของเกณฑ์โดยใช้ AHP ขั้นตอนสุดท้ายปรับเส้นทางให้เหมาะสมโดยการสร้าง ZOGP ผลการวิจัยพบว่าเส้นทางที่เหมาะสมที่สุดที่จะใช้คือรูปแบบการขนส่งทางเรือและรถบรรทุกออกจากศรีชังไปยังอุตสาหกรรมปูนซีเมนต์สระบุรี (เส้นทางที่ 1) ค่าขนส่งเท่ากับ 100,501 บาท ต่อการขนส่ง 73 ชั่วโมง ความเสี่ยงของความเสียหายจากการขนส่งสินค้าคือ 4 ความเสียหายของโครงสร้างพื้นฐานและอุปกรณ์คือ 4 ความเสี่ยงในการปฏิบัติงานคือ 4 ความเสี่ยงด้านความปลอดภัยคือ 6 ความเสี่ยงด้านสิ่งแวดล้อมคือ 6 ความเสี่ยงด้านกฎหมายคือ 2 และความเสี่ยงทางการเงินคือ 1
การมีส่วนร่วมของการวิจัยนี้อยู่ที่การพัฒนาแนวทางสนับสนุนการตัดสินใจที่ถูกต้องซึ่งมีความยืดหยุ่นและใช้ได้กับผู้ใช้ในการเลือกเส้นทางการขนส่งต่อเนื่องหลายรูปแบบภายใต้เกณฑ์หลายเกณฑ์ทั้งในด้านต้นทุน เวลา และความเสี่ยงที่เกี่ยวข้อง ผลการวิจัยพบว่าแนวทางดังกล่าวสามารถให้คำแนะนำในการกำหนดเส้นทางที่เหมาะสมที่สุดตามคุณลักษณะที่กล่าวมาข้างต้น อย่างไรก็ตาม มีข้อจำกัดหลายประการในการรวบรวมข้อมูลเกี่ยวกับต้นทุนและเวลาขนส่งเนื่องจากการเปลี่ยนแปลงตามฤดูกาล ซึ่งอาจทำให้เกิดการเปลี่ยนแปลงในปัจจัยทั้งสองนี้ นอกจากนี้ การสัมภาษณ์ผู้เชี่ยวชาญจากองค์กรต่างๆ (เช่น ประเภท ขนาด ภูมิภาค) อาจนำมาซึ่งมุมมองที่หลากหลายที่เกี่ยวข้องกับปัจจัยที่ส่งผลต่อการเลือกเส้นทาง สำหรับการศึกษาต่อไป แผนในอนาคตคือการพัฒนาอัลกอริธึมใหม่เพื่อแก้ไขปัญหาการขนส่งต่อเนื่องหลายรูปแบบในวงกว้างและประยุกต์ใช้แบบจำลองกับกรณีศึกษาอื่นๆ |
โดยความร่วมมือในเชิงลึกกับผู้เชี่ยวชาญด้านลอจิสติกส์และการขนส่ง แบบจำลองนี้แสดงถึงการดำเนินงานของอุตสาหกรรมถ่านหินในประเทศไทยให้ใกล้เคียงที่สุดเท่าที่จะเป็นไปได้ กรอบการทำงานสำหรับการเลือกเส้นทางหลายรูปแบบได้รับการพัฒนาประกอบด้วยห้าขั้นตอนหลัก ระยะแรกระบุเส้นทางการขนส่งถ่านหินต่อเนื่องหลายรูปแบบที่เป็นไปได้ ระยะที่ 2 กำหนดต้นทุนการขนส่งและเวลาของแต่ละเส้นทาง ระยะที่สามบูรณาการการตัดสินใจเชิงคุณภาพ ซึ่งรวมถึงคะแนนความเสี่ยงที่ประเมินโดยผู้เชี่ยวชาญ ระยะที่สี่กำหนดน้ำหนักของเกณฑ์โดยใช้ AHP ขั้นตอนสุดท้ายปรับเส้นทางให้เหมาะสมโดยการสร้าง ZOGP ผลการวิจัยพบว่าเส้นทางที่เหมาะสมที่สุดที่จะใช้คือรูปแบบการขนส่งทางเรือและรถบรรทุกออกจากศรีชังไปยังอุตสาหกรรมปูนซีเมนต์สระบุรี (เส้นทางที่ 1) ค่าขนส่งเท่ากับ 100,501 บาท ต่อการขนส่ง 73 ชั่วโมง ความเสี่ยงของความเสียหายจากการขนส่งสินค้าคือ 4 ความเสียหายของโครงสร้างพื้นฐานและอุปกรณ์คือ 4 ความเสี่ยงในการปฏิบัติงานคือ 4 ความเสี่ยงด้านความปลอดภัยคือ 6 ความเสี่ยงด้านสิ่งแวดล้อมคือ 6 ความเสี่ยงด้านกฎหมายคือ 2 และความเสี่ยงทางการเงินคือ 1
การมีส่วนร่วมของการวิจัยนี้อยู่ที่การพัฒนาแนวทางสนับสนุนการตัดสินใจที่ถูกต้องซึ่งมีความยืดหยุ่นและใช้ได้กับผู้ใช้ในการเลือกเส้นทางการขนส่งต่อเนื่องหลายรูปแบบภายใต้เกณฑ์หลายเกณฑ์ทั้งในด้านต้นทุน เวลา และความเสี่ยงที่เกี่ยวข้อง ผลการวิจัยพบว่าแนวทางดังกล่าวสามารถให้คำแนะนำในการกำหนดเส้นทางที่เหมาะสมที่สุดตามคุณลักษณะที่กล่าวมาข้างต้น อย่างไรก็ตาม มีข้อจำกัดหลายประการในการรวบรวมข้อมูลเกี่ยวกับต้นทุนและเวลาขนส่งเนื่องจากการเปลี่ยนแปลงตามฤดูกาล ซึ่งอาจทำให้เกิดการเปลี่ยนแปลงในปัจจัยทั้งสองนี้ นอกจากนี้ การสัมภาษณ์ผู้เชี่ยวชาญจากองค์กรต่างๆ (เช่น ประเภท ขนาด ภูมิภาค) อาจนำมาซึ่งมุมมองที่หลากหลายที่เกี่ยวข้องกับปัจจัยที่ส่งผลต่อการเลือกเส้นทาง สำหรับการศึกษาต่อไป แผนในอนาคตคือการพัฒนาอัลกอริธึมใหม่เพื่อแก้ไขปัญหาการขนส่งต่อเนื่องหลายรูปแบบในวงกว้างและประยุกต์ใช้แบบจำลองกับกรณีศึกษาอื่นๆ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 2 |
Which factor does the model NOT consider in route selection for a multimodal transportation network?
|
Time |
|
โมเดล AHP-ZOGP ที่นำเสนอมีประสิทธิภาพการแข่งขันเมื่อเปรียบเทียบกับเทคนิคอื่นๆ ในการกำหนดเส้นทางการขนส่งหลายรูปแบบ เพื่อหลีกเลี่ยงการเปรียบเทียบแบบคู่ในวิธี AHP จำนวนมาก แบบจำลองที่นำเสนอกำหนดให้ผู้เชี่ยวชาญจัดทำเฉพาะการเปรียบเทียบแบบคู่ตามเกณฑ์การตัดสินใจเท่านั้น ดังนั้น แบบจำลองนี้จึงไม่มีการสังเคราะห์เมทริกซ์การเปรียบเทียบแบบคู่ และต้องใช้เพียงการคำนวณง่ายๆ เท่านั้น
กรณีศึกษาจะถูกนำเสนอพร้อมกับการมีส่วนร่วมในวรรณกรรมโดยแนะนำรายการแบบองค์รวมของปัจจัยที่อาจส่งผลต่อการขนส่งต่อเนื่องหลายรูปแบบ รวมถึงต้นทุน เวลา ความเสี่ยงต่อความเสียหายจากการขนส่งสินค้า ความเสี่ยงด้านโครงสร้างพื้นฐาน ความเสี่ยงในการปฏิบัติงาน ความเสี่ยงด้านความปลอดภัย ความเสี่ยงด้านสิ่งแวดล้อม ความเสี่ยงด้านกฎหมาย และ ความเสี่ยงทางการเงิน นอกจากนี้ ปัจจัยในการขนส่งต่อเนื่องหลายรูปแบบยังระบุเป็น 2 ระยะตามลำดับโดยใช้แนวทางการวิจัยทั้งเชิงคุณภาพและเชิงปริมาณ การจำแนกประเภทที่ครอบคลุมนี้ไม่เพียงแต่ช่วยให้นักวิจัยและผู้ปฏิบัติงานสามารถระบุและจำแนกปัจจัยการขนส่งที่อาจเกิดขึ้นได้ แต่ยังเป็นจุดเริ่มต้นสำหรับการสร้างแบบจำลองดัชนีการขนส่งความเสี่ยงที่ใช้กับกระบวนการขนส่งต่อเนื่องหลายรูปแบบ
การศึกษาครั้งนี้เสนอกรอบการเลือกเส้นทางเพื่อลดอคติในการประเมินความเสี่ยงและเพื่อช่วยพัฒนาระบบสนับสนุนการตัดสินใจใหม่ในการจัดอันดับเส้นทางการขนส่งต่อเนื่องหลายรูปแบบ นอกจากนี้ แบบจำลองที่นำเสนอยังรวมแบบจำลองการปรับให้เหมาะสมที่สุดเพื่อลดความซับซ้อนของต้นทุนและเวลา รวมถึงความไม่แน่นอนที่เกี่ยวข้องกับความเสี่ยง การศึกษานี้นำเสนอข้อมูลเชิงลึกที่เป็นประโยชน์แก่นักวิจัยและผู้ปฏิบัติงานในการจัดลำดับความสำคัญของเส้นทางการขนส่งตลอดจนการปรับเส้นทางให้เหมาะสมภายใต้ต้นทุน เวลา และเกณฑ์การตัดสินใจความเสี่ยง
ส่วนที่เหลือของบทความนี้มีการจัดระเบียบดังนี้ส่วนที่ 2นำเสนอการทบทวนวรรณกรรม ส่วนที่ 3อธิบายวิธีการและแบบจำลอง AHP-ZOGP ได้รับการจัดทำขึ้น ส่วนที่ 4อธิบายกรณีศึกษาและอภิปรายผล สุดท้ายส่วนที่ 5นำเสนอข้อสรุป ข้อจำกัด และแนวทางที่มีประสิทธิภาพสำหรับการศึกษาในอนาคต |
โมเดล AHP-ZOGP ที่นำเสนอมีประสิทธิภาพการแข่งขันเมื่อเปรียบเทียบกับเทคนิคอื่นๆ ในการกำหนดเส้นทางการขนส่งหลายรูปแบบ เพื่อหลีกเลี่ยงการเปรียบเทียบแบบคู่ในวิธี AHP จำนวนมาก แบบจำลองที่นำเสนอกำหนดให้ผู้เชี่ยวชาญจัดทำเฉพาะการเปรียบเทียบแบบคู่ตามเกณฑ์การตัดสินใจเท่านั้น ดังนั้น แบบจำลองนี้จึงไม่มีการสังเคราะห์เมทริกซ์การเปรียบเทียบแบบคู่ และต้องใช้เพียงการคำนวณง่ายๆ เท่านั้น
กรณีศึกษาจะถูกนำเสนอพร้อมกับการมีส่วนร่วมในวรรณกรรมโดยแนะนำรายการแบบองค์รวมของปัจจัยที่อาจส่งผลต่อการขนส่งต่อเนื่องหลายรูปแบบ รวมถึงต้นทุน เวลา ความเสี่ยงต่อความเสียหายจากการขนส่งสินค้า ความเสี่ยงด้านโครงสร้างพื้นฐาน ความเสี่ยงในการปฏิบัติงาน ความเสี่ยงด้านความปลอดภัย ความเสี่ยงด้านสิ่งแวดล้อม ความเสี่ยงด้านกฎหมาย และ ความเสี่ยงทางการเงิน นอกจากนี้ ปัจจัยในการขนส่งต่อเนื่องหลายรูปแบบยังระบุเป็น 2 ระยะตามลำดับโดยใช้แนวทางการวิจัยทั้งเชิงคุณภาพและเชิงปริมาณ การจำแนกประเภทที่ครอบคลุมนี้ไม่เพียงแต่ช่วยให้นักวิจัยและผู้ปฏิบัติงานสามารถระบุและจำแนกปัจจัยการขนส่งที่อาจเกิดขึ้นได้ แต่ยังเป็นจุดเริ่มต้นสำหรับการสร้างแบบจำลองดัชนีการขนส่งความเสี่ยงที่ใช้กับกระบวนการขนส่งต่อเนื่องหลายรูปแบบ
การศึกษาครั้งนี้เสนอกรอบการเลือกเส้นทางเพื่อลดอคติในการประเมินความเสี่ยงและเพื่อช่วยพัฒนาระบบสนับสนุนการตัดสินใจใหม่ในการจัดอันดับเส้นทางการขนส่งต่อเนื่องหลายรูปแบบ นอกจากนี้ แบบจำลองที่นำเสนอยังรวมแบบจำลองการปรับให้เหมาะสมที่สุดเพื่อลดความซับซ้อนของต้นทุนและเวลา รวมถึงความไม่แน่นอนที่เกี่ยวข้องกับความเสี่ยง การศึกษานี้นำเสนอข้อมูลเชิงลึกที่เป็นประโยชน์แก่นักวิจัยและผู้ปฏิบัติงานในการจัดลำดับความสำคัญของเส้นทางการขนส่งตลอดจนการปรับเส้นทางให้เหมาะสมภายใต้ต้นทุน เวลา และเกณฑ์การตัดสินใจความเสี่ยง
ส่วนที่เหลือของบทความนี้มีการจัดระเบียบดังนี้ส่วนที่ 2นำเสนอการทบทวนวรรณกรรม ส่วนที่ 3อธิบายวิธีการและแบบจำลอง AHP-ZOGP ได้รับการจัดทำขึ้น ส่วนที่ 4อธิบายกรณีศึกษาและอภิปรายผล สุดท้ายส่วนที่ 5นำเสนอข้อสรุป ข้อจำกัด และแนวทางที่มีประสิทธิภาพสำหรับการศึกษาในอนาคต |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 3 |
What is the role of expert judgments in the decision support model?
|
They define the ZOGP objective function |
|
การขนส่งต่อเนื่องหลายรูปแบบเป็นองค์ประกอบสำคัญในอุตสาหกรรมการขนส่งสินค้า [ 14 , 15 ] มีคำจำกัดความที่หลากหลาย ตัวอย่างเช่น การประชุมรัฐมนตรีกระทรวงคมนาคมแห่งยุโรปในปี พ.ศ. 2544 ได้กำหนดให้การขนส่งต่อเนื่องหลายรูปแบบเป็นการเคลื่อนย้ายสินค้าในหน่วยขนถ่ายหรือยานพาหนะเดียวกัน ซึ่งใช้รูปแบบการขนส่งตั้งแต่สองรูปแบบขึ้นไปติดต่อกันโดยไม่มีการจัดการสินค้าด้วยตนเองในรูปแบบการเปลี่ยนรูปแบบ การขนส่งต่อเนื่องหลายรูปแบบถือเป็นการพัฒนาที่สำคัญในการทำให้อุตสาหกรรมท้องถิ่นและการค้าระหว่างประเทศมีประสิทธิภาพและแข่งขันได้มากขึ้น อย่างไรก็ตาม ปัญหาการขนส่งต่อเนื่องหลายรูปแบบได้รับการแก้ไขโดยผู้เขียนหลายคน [ 4 , 5 , 9 , 16 ] การวิจัยก่อนหน้านี้พบว่าการเลือกเส้นทางเป็นปัญหาพื้นฐานของการขนส่งต่อเนื่องหลายรูปแบบและการจัดการลอจิสติกส์ [ 17 , 18 ] มีการตีพิมพ์วรรณกรรมจำนวนมากในด้านการเลือกเส้นทางต่อเนื่องหลายรูปแบบ การศึกษาวิจัยส่วนใหญ่มุ่งเน้นไปที่การลดต้นทุนและเวลาเท่านั้น [ 4 , 5 , 16 ] อย่างไรก็ตาม ดูเหมือนจะมีการศึกษาเพียงไม่กี่ชิ้นที่เกี่ยวข้องกับการลดความเสี่ยงในการขนส่ง [ 6 - 9 ] ตัวอย่างเช่น เก่งพลและคณะ [ 9 ]. เสนอแนะปัจจัยการขนส่งที่สำคัญ 7 ประการ ต้นทุนการขนส่ง ระยะเวลาในการขนส่ง ความเสี่ยงต่อความเสียหายต่อสินค้า ความเสี่ยงด้านโครงสร้างพื้นฐานและอุปกรณ์ ความเสี่ยงทางการเมือง ความเสี่ยงด้านปฏิบัติการ และความเสี่ยงด้านสิ่งแวดล้อม
วิธี MCDM เป็นแนวทางในการจัดโครงสร้างข้อมูลและการประเมินการตัดสินใจในปัญหาอย่างเป็นทางการโดยมีเป้าหมายหลายประการและขัดแย้งกัน [ 19 ] ผู้เขียนหลายคนได้ใช้วิธีการ MCDM เพื่อแก้ปัญหาในโลกแห่งความเป็นจริง รวมทั้งวิธี AHP [ 20 ] AHP เป็นวิธีการที่ได้รับความนิยมมากที่สุดซึ่งใช้ในปัญหา MCDM หลายอย่าง [ 21 – 24 ] เพราะข้อดีของ AHP เห็นได้ชัดเจน วิธีการ AHP แปลงปัญหาหลายเกณฑ์ที่ซับซ้อนให้เป็นโครงสร้างลำดับชั้น [ 24 , 25 ] และสามารถนำไปใช้กับทั้งข้อมูลเชิงคุณภาพและข้อมูลเชิงปริมาณได้สำเร็จ
. นอกจากนี้ AHP ยังเป็นวิธีการเดียวที่สามารถพิจารณาความสอดคล้องของผู้มีอำนาจตัดสินใจ [ 24 ] เบนเตสและคณะ [ 26 ]. ตรวจสอบบริษัทโทรคมนาคมในบราซิลและประเมินผลการดำเนินงานขององค์กรโดยใช้ AHP เพื่อจัดลำดับความสำคัญของมุมมองและตัวชี้วัดผลการปฏิบัติงาน อัมมรปาละและคณะ [ 27 ]. ใช้วิธี AHP ในการคัดเลือกถนนในชนบทที่มีศักยภาพเพื่อรองรับการขนส่งข้ามพรมแดน เก่งพลและคณะ [ 9 ]. ใช้ AHP ในการกำหนดน้ำหนักของเกณฑ์และเงื่อนไขทางภาษาของเกรดการประเมินสำหรับการเลือกเส้นทางเส้นทางการขนส่งสินค้าต่อเนื่องหลายรูปแบบระหว่างประเทศไทยและเวียดนาม Rajak และ Shaw [ 24 ] พัฒนาแบบจำลองสำหรับการเลือกแอปพลิเคชันด้านสุขภาพโดยการนำแนวทางรวมของ AHP และ TOPSIS แบบคลุมเครือ; อย่างไรก็ตาม ข้อจำกัดต่างๆ เช่น อคติในการประเมินตนเองที่ส่งผลต่อความถูกต้องภายในได้ถูกนำเสนออย่างแน่นอนในใบสมัครนี้ [ 28 ]
ZOGP เป็นเทคนิคสำหรับ MCDM เมื่อผู้มีอำนาจตัดสินใจต้องบรรลุเป้าหมายหลายประการและเพื่อให้ได้ทางออกที่ดีที่สุด [ 29 ] ข้อได้เปรียบหลักของวิธีนี้คือมีความสามารถในการจัดการกับปัญหาขนาดใหญ่ [ 28 ] ความสามารถในการสร้างทางเลือกที่ไม่มีที่สิ้นสุดทำให้เกิดข้อได้เปรียบเหนือวิธีการบางอย่างอย่างมาก อย่างไรก็ตาม ZOGP ไม่สามารถสัมประสิทธิ์น้ำหนักได้ แอปพลิเคชันจำนวนมากพบว่าจำเป็นต้องใช้งานร่วมกับวิธีการอื่นๆ เช่น AHP เพื่อให้ได้ค่าสัมประสิทธิ์น้ำหนักอย่างเหมาะสม วิธีนี้ช่วยให้สามารถชั่งน้ำหนักได้อย่างเหมาะสมโดยกำจัดจุดอ่อนนี้ในขณะที่ยังคงสามารถเลือกทางเลือกที่ไม่มีที่สิ้นสุด [ 28 ] เก่งพลและคณะ [ 9 ]. รวม AHP และ ZOGP สำหรับปัญหาการขนส่ง Kim และ Emetry [ 30 ] และ Badri และคณะ [ 31 ]. ใช้ ZOGP สำหรับปัญหาการเลือกโครงการ
การศึกษาวิจัยก่อนหน้านี้ระบุว่า AHP-ZOGP แบบบูรณาการมีความเหมาะสมและใช้กันอย่างแพร่หลายในการจัดลำดับความสำคัญของเส้นทางการขนส่ง วิธีการ AHP และ ZOGP แบบผสมผสานสามารถจัดการกับข้อมูลเชิงคุณภาพและเชิงปริมาณได้ ยิ่งไปกว่านั้น การตัดสินใจจัดอันดับยังใช้งานได้จริงและง่ายกว่าเมื่อเทียบกับตัวเลือกอื่นๆ จำนวนมาก
ดังนั้น โมเดล AHP-ZOGP แบบบูรณาการที่เสนอมีข้อได้เปรียบเหนือวิธีการจัดลำดับความสำคัญแบบสัมบูรณ์ดังต่อไปนี้ [ 9 , 10 ]:
AHP-ZOGP ที่เสนอนั้นมีประสิทธิภาพและตรงไปตรงมามากกว่าเทคนิคอื่นๆ การนำ AHP-ZOGP ไปใช้พิจารณาลำดับความสำคัญของปัจจัยและเป็นทางเลือกที่ดีที่สุด นอกจากนี้ AHP ยังเหมาะเป็นพิเศษสำหรับการสร้างแบบจำลองทั้งเชิงคุณภาพและเชิงปริมาณ AHP จัดเตรียมกลไกที่มีประโยชน์สำหรับการตรวจสอบความสอดคล้องของมาตรการประเมิน และลดอคติในการตัดสินใจ
การศึกษานี้เสนอวิธีการที่ใช้การผสมผสานระหว่าง AHP และ ZOGP ไม่เพียงแต่กำหนดแบบจำลองแต่ละแบบเพื่อให้ได้ผลลัพธ์ที่เหมาะสมที่สุดจากมุมมองของผู้เชี่ยวชาญแต่ละคนเท่านั้น แต่ยังสร้างสมดุลระหว่างผลลัพธ์ที่แตกต่างกันที่อาจได้รับจากแบบจำลอง ZOGP แต่ละรายการเพื่อให้ได้การเลือกเส้นทางที่เหมาะสมที่สุด โมเดล AHP-ZOGP มีข้อได้เปรียบของ AHP ในการสร้างน้ำหนักโดยประมาณ นอกจากนี้ แบบจำลอง ZOGP ยังสามารถแก้ไขข้อขัดแย้งและการปฏิบัติตามเกณฑ์ทั้งที่จับต้องได้และจับต้องไม่ได้จากมุมมองของผู้เชี่ยวชาญที่แตกต่างกัน เพื่อให้บรรลุเป้าหมายที่แตกต่างกัน
โมเดล AHP-ZOGP ที่รวมกันมีความยืดหยุ่นในการเพิ่มข้อจำกัดใหม่ ระดับความทะเยอทะยาน วัตถุประสงค์ในการปรับปรุง หรือทางเลือกอื่นๆ พร้อมกับข้อจำกัดด้านทรัพยากร และการปรับเปลี่ยนเมื่อจำเป็น อย่างไรก็ตาม โมเดล AHP-ZOGP ที่ผสานรวมไม่มีข้อเสียโดยตรงที่ชัดเจน
ข้อจำกัดของแบบจำลอง ZOGP เช่น ต้นทุน เวลา และข้อจำกัดความเสี่ยง มีความสัมพันธ์แบบหนึ่งต่อหนึ่งระหว่างเกณฑ์เท่านั้น จุดมุ่งหมายของข้อจำกัดประเภทนี้ไม่เพียงแต่คำนึงถึงเกณฑ์ที่จับต้องไม่ได้ในแบบจำลองด้วยการหาปริมาณโดยใช้การเปรียบเทียบ AHP แบบคู่เท่านั้น แต่ยังเป็นวิธีในการวัดว่าทางเลือกอื่นทำงานได้ดีเพียงใดเมื่อเทียบกับเกณฑ์ อย่างไรก็ตาม ZOGP ไม่สามารถใช้เพียงอย่างเดียวได้ เนื่องจากยังต้องมีการคำนวณน้ำหนักของเกณฑ์ต่างๆ เพื่อใช้ในฟังก์ชันวัตถุประสงค์ของแบบจำลอง หนึ่งในวิธีแก้ปัญหาที่เหมาะสมที่สุดสำหรับภาวะที่กลืนไม่เข้าคายไม่ออกนี้คือการใช้ AHP และ ZOGP ร่วมกันเพื่อให้ได้โซลูชันที่ดีซึ่งใกล้เคียงกับโซลูชันในอุดมคติ
3. วิธีการ
การเลือกเส้นทางการขนส่งต่อเนื่องหลายรูปแบบที่เหมาะสมเป็นกลยุทธ์ในการปรับปรุงประสิทธิภาพด้านโลจิสติกส์และการขนส่ง ในการพิจารณาเลือกเส้นทางต่อเนื่องหลายรูปแบบ เราจะพิจารณาปัจจัยที่เกี่ยวข้องดังต่อไปนี้ ต้นทุนการขนส่ง ระยะเวลาการขนส่ง และความเสี่ยงในการขนส่งเจ็ดประการ การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อสร้างแบบจำลองทางคณิตศาสตร์ที่สามารถเพิ่มประสิทธิภาพเส้นทางการขนส่งหลายรูปแบบ ซึ่งสามารถลดต้นทุน ระยะเวลาดำเนินการ และความเสี่ยงในการขนส่งในระบบขนส่งต่อเนื่องหลายรูปแบบได้อย่างมีประสิทธิภาพ เพื่อให้บรรลุแนวทางเหล่านี้ จึงสามารถใช้แบบจำลองการปรับให้เหมาะสมหลายวัตถุประสงค์เพื่อให้ได้เส้นทางการขนส่งต่อเนื่องหลายรูปแบบที่เหมาะสมที่สุด ปัญหาถูกกำหนดโดยใช้ ZOGP น้ำหนักที่มีนัยสำคัญที่ได้รับจากวิธี AHP จะรวมอยู่ในฟังก์ชันวัตถุประสงค์ของ ZOGP น้ำหนักที่มีนัยสำคัญจาก AHP พารามิเตอร์ และข้อมูลที่จำกัดจะถูกนำมาใช้เพื่อกำหนดฟังก์ชันวัตถุประสงค์และข้อจำกัด วิธี AHP และ ZOGP อธิบายไว้ในส่วนย่อยต่อไปนี้ |
การขนส่งต่อเนื่องหลายรูปแบบเป็นองค์ประกอบสำคัญในอุตสาหกรรมการขนส่งสินค้า [ 14 , 15 ] มีคำจำกัดความที่หลากหลาย ตัวอย่างเช่น การประชุมรัฐมนตรีกระทรวงคมนาคมแห่งยุโรปในปี พ.ศ. 2544 ได้กำหนดให้การขนส่งต่อเนื่องหลายรูปแบบเป็นการเคลื่อนย้ายสินค้าในหน่วยขนถ่ายหรือยานพาหนะเดียวกัน ซึ่งใช้รูปแบบการขนส่งตั้งแต่สองรูปแบบขึ้นไปติดต่อกันโดยไม่มีการจัดการสินค้าด้วยตนเองในรูปแบบการเปลี่ยนรูปแบบ การขนส่งต่อเนื่องหลายรูปแบบถือเป็นการพัฒนาที่สำคัญในการทำให้อุตสาหกรรมท้องถิ่นและการค้าระหว่างประเทศมีประสิทธิภาพและแข่งขันได้มากขึ้น อย่างไรก็ตาม ปัญหาการขนส่งต่อเนื่องหลายรูปแบบได้รับการแก้ไขโดยผู้เขียนหลายคน [ 4 , 5 , 9 , 16 ] การวิจัยก่อนหน้านี้พบว่าการเลือกเส้นทางเป็นปัญหาพื้นฐานของการขนส่งต่อเนื่องหลายรูปแบบและการจัดการลอจิสติกส์ [ 17 , 18 ] มีการตีพิมพ์วรรณกรรมจำนวนมากในด้านการเลือกเส้นทางต่อเนื่องหลายรูปแบบ การศึกษาวิจัยส่วนใหญ่มุ่งเน้นไปที่การลดต้นทุนและเวลาเท่านั้น [ 4 , 5 , 16 ] อย่างไรก็ตาม ดูเหมือนจะมีการศึกษาเพียงไม่กี่ชิ้นที่เกี่ยวข้องกับการลดความเสี่ยงในการขนส่ง [ 6 - 9 ] ตัวอย่างเช่น เก่งพลและคณะ [ 9 ]. เสนอแนะปัจจัยการขนส่งที่สำคัญ 7 ประการ ต้นทุนการขนส่ง ระยะเวลาในการขนส่ง ความเสี่ยงต่อความเสียหายต่อสินค้า ความเสี่ยงด้านโครงสร้างพื้นฐานและอุปกรณ์ ความเสี่ยงทางการเมือง ความเสี่ยงด้านปฏิบัติการ และความเสี่ยงด้านสิ่งแวดล้อม
วิธี MCDM เป็นแนวทางในการจัดโครงสร้างข้อมูลและการประเมินการตัดสินใจในปัญหาอย่างเป็นทางการโดยมีเป้าหมายหลายประการและขัดแย้งกัน [ 19 ] ผู้เขียนหลายคนได้ใช้วิธีการ MCDM เพื่อแก้ปัญหาในโลกแห่งความเป็นจริง รวมทั้งวิธี AHP [ 20 ] AHP เป็นวิธีการที่ได้รับความนิยมมากที่สุดซึ่งใช้ในปัญหา MCDM หลายอย่าง [ 21 – 24 ] เพราะข้อดีของ AHP เห็นได้ชัดเจน วิธีการ AHP แปลงปัญหาหลายเกณฑ์ที่ซับซ้อนให้เป็นโครงสร้างลำดับชั้น [ 24 , 25 ] และสามารถนำไปใช้กับทั้งข้อมูลเชิงคุณภาพและข้อมูลเชิงปริมาณได้สำเร็จ
. นอกจากนี้ AHP ยังเป็นวิธีการเดียวที่สามารถพิจารณาความสอดคล้องของผู้มีอำนาจตัดสินใจ [ 24 ] เบนเตสและคณะ [ 26 ]. ตรวจสอบบริษัทโทรคมนาคมในบราซิลและประเมินผลการดำเนินงานขององค์กรโดยใช้ AHP เพื่อจัดลำดับความสำคัญของมุมมองและตัวชี้วัดผลการปฏิบัติงาน อัมมรปาละและคณะ [ 27 ]. ใช้วิธี AHP ในการคัดเลือกถนนในชนบทที่มีศักยภาพเพื่อรองรับการขนส่งข้ามพรมแดน เก่งพลและคณะ [ 9 ]. ใช้ AHP ในการกำหนดน้ำหนักของเกณฑ์และเงื่อนไขทางภาษาของเกรดการประเมินสำหรับการเลือกเส้นทางเส้นทางการขนส่งสินค้าต่อเนื่องหลายรูปแบบระหว่างประเทศไทยและเวียดนาม Rajak และ Shaw [ 24 ] พัฒนาแบบจำลองสำหรับการเลือกแอปพลิเคชันด้านสุขภาพโดยการนำแนวทางรวมของ AHP และ TOPSIS แบบคลุมเครือ; อย่างไรก็ตาม ข้อจำกัดต่างๆ เช่น อคติในการประเมินตนเองที่ส่งผลต่อความถูกต้องภายในได้ถูกนำเสนออย่างแน่นอนในใบสมัครนี้ [ 28 ]
ZOGP เป็นเทคนิคสำหรับ MCDM เมื่อผู้มีอำนาจตัดสินใจต้องบรรลุเป้าหมายหลายประการและเพื่อให้ได้ทางออกที่ดีที่สุด [ 29 ] ข้อได้เปรียบหลักของวิธีนี้คือมีความสามารถในการจัดการกับปัญหาขนาดใหญ่ [ 28 ] ความสามารถในการสร้างทางเลือกที่ไม่มีที่สิ้นสุดทำให้เกิดข้อได้เปรียบเหนือวิธีการบางอย่างอย่างมาก อย่างไรก็ตาม ZOGP ไม่สามารถสัมประสิทธิ์น้ำหนักได้ แอปพลิเคชันจำนวนมากพบว่าจำเป็นต้องใช้งานร่วมกับวิธีการอื่นๆ เช่น AHP เพื่อให้ได้ค่าสัมประสิทธิ์น้ำหนักอย่างเหมาะสม วิธีนี้ช่วยให้สามารถชั่งน้ำหนักได้อย่างเหมาะสมโดยกำจัดจุดอ่อนนี้ในขณะที่ยังคงสามารถเลือกทางเลือกที่ไม่มีที่สิ้นสุด [ 28 ] เก่งพลและคณะ [ 9 ]. รวม AHP และ ZOGP สำหรับปัญหาการขนส่ง Kim และ Emetry [ 30 ] และ Badri และคณะ [ 31 ]. ใช้ ZOGP สำหรับปัญหาการเลือกโครงการ
การศึกษาวิจัยก่อนหน้านี้ระบุว่า AHP-ZOGP แบบบูรณาการมีความเหมาะสมและใช้กันอย่างแพร่หลายในการจัดลำดับความสำคัญของเส้นทางการขนส่ง วิธีการ AHP และ ZOGP แบบผสมผสานสามารถจัดการกับข้อมูลเชิงคุณภาพและเชิงปริมาณได้ ยิ่งไปกว่านั้น การตัดสินใจจัดอันดับยังใช้งานได้จริงและง่ายกว่าเมื่อเทียบกับตัวเลือกอื่นๆ จำนวนมาก
ดังนั้น โมเดล AHP-ZOGP แบบบูรณาการที่เสนอมีข้อได้เปรียบเหนือวิธีการจัดลำดับความสำคัญแบบสัมบูรณ์ดังต่อไปนี้ [ 9 , 10 ]:
AHP-ZOGP ที่เสนอนั้นมีประสิทธิภาพและตรงไปตรงมามากกว่าเทคนิคอื่นๆ การนำ AHP-ZOGP ไปใช้พิจารณาลำดับความสำคัญของปัจจัยและเป็นทางเลือกที่ดีที่สุด นอกจากนี้ AHP ยังเหมาะเป็นพิเศษสำหรับการสร้างแบบจำลองทั้งเชิงคุณภาพและเชิงปริมาณ AHP จัดเตรียมกลไกที่มีประโยชน์สำหรับการตรวจสอบความสอดคล้องของมาตรการประเมิน และลดอคติในการตัดสินใจ
การศึกษานี้เสนอวิธีการที่ใช้การผสมผสานระหว่าง AHP และ ZOGP ไม่เพียงแต่กำหนดแบบจำลองแต่ละแบบเพื่อให้ได้ผลลัพธ์ที่เหมาะสมที่สุดจากมุมมองของผู้เชี่ยวชาญแต่ละคนเท่านั้น แต่ยังสร้างสมดุลระหว่างผลลัพธ์ที่แตกต่างกันที่อาจได้รับจากแบบจำลอง ZOGP แต่ละรายการเพื่อให้ได้การเลือกเส้นทางที่เหมาะสมที่สุด โมเดล AHP-ZOGP มีข้อได้เปรียบของ AHP ในการสร้างน้ำหนักโดยประมาณ นอกจากนี้ แบบจำลอง ZOGP ยังสามารถแก้ไขข้อขัดแย้งและการปฏิบัติตามเกณฑ์ทั้งที่จับต้องได้และจับต้องไม่ได้จากมุมมองของผู้เชี่ยวชาญที่แตกต่างกัน เพื่อให้บรรลุเป้าหมายที่แตกต่างกัน
โมเดล AHP-ZOGP ที่รวมกันมีความยืดหยุ่นในการเพิ่มข้อจำกัดใหม่ ระดับความทะเยอทะยาน วัตถุประสงค์ในการปรับปรุง หรือทางเลือกอื่นๆ พร้อมกับข้อจำกัดด้านทรัพยากร และการปรับเปลี่ยนเมื่อจำเป็น อย่างไรก็ตาม โมเดล AHP-ZOGP ที่ผสานรวมไม่มีข้อเสียโดยตรงที่ชัดเจน
ข้อจำกัดของแบบจำลอง ZOGP เช่น ต้นทุน เวลา และข้อจำกัดความเสี่ยง มีความสัมพันธ์แบบหนึ่งต่อหนึ่งระหว่างเกณฑ์เท่านั้น จุดมุ่งหมายของข้อจำกัดประเภทนี้ไม่เพียงแต่คำนึงถึงเกณฑ์ที่จับต้องไม่ได้ในแบบจำลองด้วยการหาปริมาณโดยใช้การเปรียบเทียบ AHP แบบคู่เท่านั้น แต่ยังเป็นวิธีในการวัดว่าทางเลือกอื่นทำงานได้ดีเพียงใดเมื่อเทียบกับเกณฑ์ อย่างไรก็ตาม ZOGP ไม่สามารถใช้เพียงอย่างเดียวได้ เนื่องจากยังต้องมีการคำนวณน้ำหนักของเกณฑ์ต่างๆ เพื่อใช้ในฟังก์ชันวัตถุประสงค์ของแบบจำลอง หนึ่งในวิธีแก้ปัญหาที่เหมาะสมที่สุดสำหรับภาวะที่กลืนไม่เข้าคายไม่ออกนี้คือการใช้ AHP และ ZOGP ร่วมกันเพื่อให้ได้โซลูชันที่ดีซึ่งใกล้เคียงกับโซลูชันในอุดมคติ
3. วิธีการ
การเลือกเส้นทางการขนส่งต่อเนื่องหลายรูปแบบที่เหมาะสมเป็นกลยุทธ์ในการปรับปรุงประสิทธิภาพด้านโลจิสติกส์และการขนส่ง ในการพิจารณาเลือกเส้นทางต่อเนื่องหลายรูปแบบ เราจะพิจารณาปัจจัยที่เกี่ยวข้องดังต่อไปนี้ ต้นทุนการขนส่ง ระยะเวลาการขนส่ง และความเสี่ยงในการขนส่งเจ็ดประการ การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อสร้างแบบจำลองทางคณิตศาสตร์ที่สามารถเพิ่มประสิทธิภาพเส้นทางการขนส่งหลายรูปแบบ ซึ่งสามารถลดต้นทุน ระยะเวลาดำเนินการ และความเสี่ยงในการขนส่งในระบบขนส่งต่อเนื่องหลายรูปแบบได้อย่างมีประสิทธิภาพ เพื่อให้บรรลุแนวทางเหล่านี้ จึงสามารถใช้แบบจำลองการปรับให้เหมาะสมหลายวัตถุประสงค์เพื่อให้ได้เส้นทางการขนส่งต่อเนื่องหลายรูปแบบที่เหมาะสมที่สุด ปัญหาถูกกำหนดโดยใช้ ZOGP น้ำหนักที่มีนัยสำคัญที่ได้รับจากวิธี AHP จะรวมอยู่ในฟังก์ชันวัตถุประสงค์ของ ZOGP น้ำหนักที่มีนัยสำคัญจาก AHP พารามิเตอร์ และข้อมูลที่จำกัดจะถูกนำมาใช้เพื่อกำหนดฟังก์ชันวัตถุประสงค์และข้อจำกัด วิธี AHP และ ZOGP อธิบายไว้ในส่วนย่อยต่อไปนี้ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 4 |
What logistics system aspect does the proposed methodology aim to improve?
|
Marketing strategies |
|
การขนส่งสินค้าถือเป็นห่วงโซ่อุปทานและโลจิสติกส์ที่สำคัญ การขนส่งต่อเนื่องหลายรูปแบบถือเป็นองค์ประกอบสำคัญของระบบโลจิสติกส์สมัยใหม่ โดยเฉพาะอย่างยิ่งสำหรับการขนส่งทางไกลและปริมาณโลจิสติกส์ขนาดใหญ่ การขนส่งต่อเนื่องหลายรูปแบบ ตามที่กำหนดในคู่มือการขนส่งต่อเนื่องหลายรูปแบบซึ่งจัดพิมพ์โดยอังค์ถัด คือการขนส่งผลิตภัณฑ์โดยการขนส่งหลายรูปแบบจากจุดเดียวหรือท่าเรือต้นทางผ่านจุดเชื่อมต่อหนึ่งจุดหรือมากกว่าไปยังจุดสุดท้ายหรือท่าเรือที่หนึ่งในผู้ขนส่งจัดระบบ การขนส่งทั้งหมด การขนส่งต่อเนื่องหลายรูปแบบเป็นการพัฒนาที่สำคัญในการทำให้อุตสาหกรรมในท้องถิ่นและการค้าระหว่างประเทศมีประสิทธิภาพและการแข่งขันมากขึ้น |
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 5 |
Essay | Describe the role of Analytic Hierarchy Process (AHP) and Zero-One Goal Programming (ZOGP) in the decision support model for determining an optimal multimodal transportation route. Explain how these methodologies contribute to the model's effectiveness and discuss any potential limitations.
|
ZOGP เป็นการดัดแปลงและขยายการเขียนโปรแกรมเชิงเส้นที่รู้จักกันดี กลายเป็นเทคนิคที่ใช้กันอย่างแพร่หลายเนื่องจากความสามารถในการจัดการกับการตัดสินใจของเป้าหมายที่ขัดแย้งกันหลายประการ อย่างไรก็ตาม ZOGP ไม่สามารถสัมประสิทธิ์น้ำหนักได้ แอปพลิเคชันจำนวนมากพบว่าจำเป็นต้องใช้งานร่วมกับวิธีการอื่นๆ เช่น AHP เพื่อให้ได้ค่าสัมประสิทธิ์น้ำหนักอย่างเหมาะสม
มีการใช้แบบจำลอง ZOGP บ่อยมาก เนื่องจากใช้และเข้าใจง่าย [ 33 ] เทคนิคนี้ใช้เพื่อลดความเบี่ยงเบนจากวัตถุประสงค์หลายประการให้เหลือน้อยที่สุดเนื่องจากมีทรัพยากรที่จำกัด เพื่อให้บรรลุเป้าหมายนี้ โดยทั่วไปปัญหาจะมีการกำหนดโดยใช้แบบจำลอง ZOGP ZOGP สามารถใช้เลือกตัวเลือกอื่นได้ เนื่องจากลักษณะไบนารีของตัวแปรการเลือกและเกณฑ์ที่ขัดแย้งกันหลายประการที่เกี่ยวข้อง ในการวิจัยนี้ เรามุ่งหวังที่จะค้นหาเส้นทางการขนส่งต่อเนื่องหลายรูปแบบที่เหมาะสมที่สุดโดยใช้แนวทางการปรับให้เหมาะสมหลายวัตถุประสงค์ เนื่องจากความซับซ้อนของข้อมูลการขนส่ง ZOGP จึงถูกนำมาใช้เพื่อแก้ไขปัญหาขนาดใหญ่
ดังนั้น ZOGP จึงถูกนำมาใช้แล้ว วัตถุประสงค์ของแบบจำลองแนวความคิดนี้คือเพื่อหลีกเลี่ยงความซับซ้อนของปัญหา MCDM ซึ่งรวมถึงเกณฑ์การตัดสินใจมากมาย โมเดลนี้จัดเกณฑ์การตัดสินใจเป็นกลุ่มที่มีโครงสร้างแบบลำดับชั้น ฟังก์ชั่นวัตถุประสงค์เลือกทางเลือกที่เหมาะสมที่สุดจากค่าเบี่ยงเบนรวมของเกณฑ์การตัดสินใจหลักในเลเยอร์สูงสุดของแบบจำลอง ในขณะที่ค่าเบี่ยงเบนของเกณฑ์การตัดสินใจหลักคำนวณโดยฟังก์ชันที่จำกัด ซึ่งระบุค่าเบี่ยงเบนระหว่างค่าเบี่ยงเบนของเกณฑ์การตัดสินใจย่อยและค่าสูงสุด ส่วนเบี่ยงเบน
รูปแบบการเลือกเส้นทางที่นำเสนอผสมผสาน AHP และวิธีการเพิ่มประสิทธิภาพแบบหลายวัตถุประสงค์ น้ำหนักที่มีนัยสำคัญจาก AHP พารามิเตอร์ และข้อมูลที่จำกัดจากระยะก่อนหน้าจะถูกนำมาใช้เพื่อกำหนดฟังก์ชันวัตถุประสงค์และข้อจำกัด ฟังก์ชันวัตถุประสงค์มีจุดมุ่งหมายเพื่อเลือกเส้นทางการขนส่งสินค้าต่อเนื่องหลายรูปแบบที่เหมาะสมโดยมีค่าเบี่ยงเบนรวมน้อยที่สุดระหว่างข้อมูลเส้นทาง ลดต้นทุนการขนส่ง เวลา และความเสี่ยงที่สำคัญ 7 ประการ สูตรทางคณิตศาสตร์ของแบบจำลองถูกกำหนดไว้ในสมการต่อไปนี้ ฟังก์ชันวัตถุประสงค์ถูกกำหนดไว้ในสมการ (5) .
วิธี ZOGP สามารถเพิ่มประสิทธิภาพเพื่อให้ได้เส้นทางการขนส่งหลายรูปแบบ ปัญหาถูกกำหนดโดยใช้สมการ ( 5 – 18 ) น้ำหนักที่มีนัยสำคัญที่ได้รับโดยใช้วิธี AHP ในระยะก่อนหน้าจะถูกเพิ่มเข้าไปในฟังก์ชันวัตถุประสงค์ของ ZOGP น้ำหนักที่มีนัยสำคัญจาก AHP พารามิเตอร์ และข้อมูลที่จำกัดจากระยะก่อนหน้าจะถูกนำมาใช้เพื่อกำหนดฟังก์ชันวัตถุประสงค์และข้อจำกัด คำจำกัดความของแบบจำลองการหาค่าเหมาะที่สุดทางคณิตศาสตร์หลายวัตถุประสงค์ ดัชนี พารามิเตอร์ และตัวแปรการตัดสินใจมีอธิบายไว้ด้านล่างนี้ เพื่อนำเสนอการกำหนดแบบจำลองให้ชัดเจน จึงกำหนดสัญลักษณ์ไว้ดังนี้
ตัวแปรการตัดสินใจ
ความเบี่ยงเบนเกินความสำเร็จของต้นทุน
การเบี่ยงเบนเกินความสำเร็จของเวลา
ค่าเบี่ยงเบนเกินความสำเร็จของการขนส่งสินค้าเสียหายความเสี่ยง
ความเบี่ยงเบนเกินความสำเร็จของความเสี่ยงของโครงสร้างพื้นฐานและอุปกรณ์
ค่าเบี่ยงเบนความสำเร็จเกินจากความเสี่ยงในการปฏิบัติงาน
ความเบี่ยงเบนเกินความสำเร็จของความเสี่ยงด้านความปลอดภัย
การเบี่ยงเบนความสำเร็จมากเกินไปจากความเสี่ยงด้านสิ่งแวดล้อม
การเบี่ยงเบนเกินขอบเขตของกฎหมายความเสี่ยง
การเบี่ยงเบนความสำเร็จมากเกินไปจากความเสี่ยงทางการเงิน
ตัวแปรศูนย์หนึ่งแสดงถึงการไม่เลือก (ศูนย์) หรือการเลือก (หนึ่ง) ของเส้นทาง
= 1, 2, 3,…,
ขึ้นอยู่กับเกณฑ์ทางด้านขวามือ (ต้นทุน เวลา และความเสี่ยง)
พารามิเตอร์
ค่าเบี่ยงเบนรวมของวัตถุประสงค์หรือเกณฑ์การตัดสินใจหลักสำหรับ
เส้นทาง
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของต้นทุน
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของเวลา
น้ำหนักสัมพัทธ์ของการขนส่งสินค้าเสียหายวัตถุประสงค์ความเสี่ยง
น้ำหนักสัมพัทธ์ของความเสี่ยงของวัตถุประสงค์ของโครงสร้างพื้นฐานและอุปกรณ์
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของความเสี่ยงด้านปฏิบัติการ
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของความเสี่ยงด้านความปลอดภัย
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ความเสี่ยงด้านสิ่งแวดล้อม
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของความเสี่ยงด้านกฎหมาย
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ความเสี่ยงทางการเงิน
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดด้านต้นทุนการขนส่งสำหรับ
เส้นทาง
เปอร์เซ็นต์ของต้นทุนการขนส่งที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในการจำกัดเวลาขนส่งสำหรับ
เส้นทาง
เปอร์เซ็นต์ของเวลาในการขนส่งที่จำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในการขนส่งสินค้าเสียหายข้อจำกัดความเสี่ยงสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงต่อความเสียหายจากการขนส่งสินค้าที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
มีความเสี่ยงจากข้อจำกัดด้านโครงสร้างพื้นฐานสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงของโครงสร้างพื้นฐานที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงด้านการปฏิบัติงานสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงในการปฏิบัติงานจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงด้านความปลอดภัยสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงด้านความปลอดภัยที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงด้านสิ่งแวดล้อมสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงด้านสิ่งแวดล้อมที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงทางกฎหมายสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงด้านกฎหมายที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงทางการเงินสำหรับ
เปอร์เซ็นต์ของความเสี่ยงทางการเงินที่ถูกจำกัดโดยผู้ใช้ |
|
ZOGP เป็นการดัดแปลงและขยายการเขียนโปรแกรมเชิงเส้นที่รู้จักกันดี กลายเป็นเทคนิคที่ใช้กันอย่างแพร่หลายเนื่องจากความสามารถในการจัดการกับการตัดสินใจของเป้าหมายที่ขัดแย้งกันหลายประการ อย่างไรก็ตาม ZOGP ไม่สามารถสัมประสิทธิ์น้ำหนักได้ แอปพลิเคชันจำนวนมากพบว่าจำเป็นต้องใช้งานร่วมกับวิธีการอื่นๆ เช่น AHP เพื่อให้ได้ค่าสัมประสิทธิ์น้ำหนักอย่างเหมาะสม
มีการใช้แบบจำลอง ZOGP บ่อยมาก เนื่องจากใช้และเข้าใจง่าย [ 33 ] เทคนิคนี้ใช้เพื่อลดความเบี่ยงเบนจากวัตถุประสงค์หลายประการให้เหลือน้อยที่สุดเนื่องจากมีทรัพยากรที่จำกัด เพื่อให้บรรลุเป้าหมายนี้ โดยทั่วไปปัญหาจะมีการกำหนดโดยใช้แบบจำลอง ZOGP ZOGP สามารถใช้เลือกตัวเลือกอื่นได้ เนื่องจากลักษณะไบนารีของตัวแปรการเลือกและเกณฑ์ที่ขัดแย้งกันหลายประการที่เกี่ยวข้อง ในการวิจัยนี้ เรามุ่งหวังที่จะค้นหาเส้นทางการขนส่งต่อเนื่องหลายรูปแบบที่เหมาะสมที่สุดโดยใช้แนวทางการปรับให้เหมาะสมหลายวัตถุประสงค์ เนื่องจากความซับซ้อนของข้อมูลการขนส่ง ZOGP จึงถูกนำมาใช้เพื่อแก้ไขปัญหาขนาดใหญ่
ดังนั้น ZOGP จึงถูกนำมาใช้แล้ว วัตถุประสงค์ของแบบจำลองแนวความคิดนี้คือเพื่อหลีกเลี่ยงความซับซ้อนของปัญหา MCDM ซึ่งรวมถึงเกณฑ์การตัดสินใจมากมาย โมเดลนี้จัดเกณฑ์การตัดสินใจเป็นกลุ่มที่มีโครงสร้างแบบลำดับชั้น ฟังก์ชั่นวัตถุประสงค์เลือกทางเลือกที่เหมาะสมที่สุดจากค่าเบี่ยงเบนรวมของเกณฑ์การตัดสินใจหลักในเลเยอร์สูงสุดของแบบจำลอง ในขณะที่ค่าเบี่ยงเบนของเกณฑ์การตัดสินใจหลักคำนวณโดยฟังก์ชันที่จำกัด ซึ่งระบุค่าเบี่ยงเบนระหว่างค่าเบี่ยงเบนของเกณฑ์การตัดสินใจย่อยและค่าสูงสุด ส่วนเบี่ยงเบน
รูปแบบการเลือกเส้นทางที่นำเสนอผสมผสาน AHP และวิธีการเพิ่มประสิทธิภาพแบบหลายวัตถุประสงค์ น้ำหนักที่มีนัยสำคัญจาก AHP พารามิเตอร์ และข้อมูลที่จำกัดจากระยะก่อนหน้าจะถูกนำมาใช้เพื่อกำหนดฟังก์ชันวัตถุประสงค์และข้อจำกัด ฟังก์ชันวัตถุประสงค์มีจุดมุ่งหมายเพื่อเลือกเส้นทางการขนส่งสินค้าต่อเนื่องหลายรูปแบบที่เหมาะสมโดยมีค่าเบี่ยงเบนรวมน้อยที่สุดระหว่างข้อมูลเส้นทาง ลดต้นทุนการขนส่ง เวลา และความเสี่ยงที่สำคัญ 7 ประการ สูตรทางคณิตศาสตร์ของแบบจำลองถูกกำหนดไว้ในสมการต่อไปนี้ ฟังก์ชันวัตถุประสงค์ถูกกำหนดไว้ในสมการ (5) .
วิธี ZOGP สามารถเพิ่มประสิทธิภาพเพื่อให้ได้เส้นทางการขนส่งหลายรูปแบบ ปัญหาถูกกำหนดโดยใช้สมการ ( 5 – 18 ) น้ำหนักที่มีนัยสำคัญที่ได้รับโดยใช้วิธี AHP ในระยะก่อนหน้าจะถูกเพิ่มเข้าไปในฟังก์ชันวัตถุประสงค์ของ ZOGP น้ำหนักที่มีนัยสำคัญจาก AHP พารามิเตอร์ และข้อมูลที่จำกัดจากระยะก่อนหน้าจะถูกนำมาใช้เพื่อกำหนดฟังก์ชันวัตถุประสงค์และข้อจำกัด คำจำกัดความของแบบจำลองการหาค่าเหมาะที่สุดทางคณิตศาสตร์หลายวัตถุประสงค์ ดัชนี พารามิเตอร์ และตัวแปรการตัดสินใจมีอธิบายไว้ด้านล่างนี้ เพื่อนำเสนอการกำหนดแบบจำลองให้ชัดเจน จึงกำหนดสัญลักษณ์ไว้ดังนี้
ตัวแปรการตัดสินใจ
ความเบี่ยงเบนเกินความสำเร็จของต้นทุน
การเบี่ยงเบนเกินความสำเร็จของเวลา
ค่าเบี่ยงเบนเกินความสำเร็จของการขนส่งสินค้าเสียหายความเสี่ยง
ความเบี่ยงเบนเกินความสำเร็จของความเสี่ยงของโครงสร้างพื้นฐานและอุปกรณ์
ค่าเบี่ยงเบนความสำเร็จเกินจากความเสี่ยงในการปฏิบัติงาน
ความเบี่ยงเบนเกินความสำเร็จของความเสี่ยงด้านความปลอดภัย
การเบี่ยงเบนความสำเร็จมากเกินไปจากความเสี่ยงด้านสิ่งแวดล้อม
การเบี่ยงเบนเกินขอบเขตของกฎหมายความเสี่ยง
การเบี่ยงเบนความสำเร็จมากเกินไปจากความเสี่ยงทางการเงิน
ตัวแปรศูนย์หนึ่งแสดงถึงการไม่เลือก (ศูนย์) หรือการเลือก (หนึ่ง) ของเส้นทาง
= 1, 2, 3,…,
ขึ้นอยู่กับเกณฑ์ทางด้านขวามือ (ต้นทุน เวลา และความเสี่ยง)
พารามิเตอร์
ค่าเบี่ยงเบนรวมของวัตถุประสงค์หรือเกณฑ์การตัดสินใจหลักสำหรับ
เส้นทาง
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของต้นทุน
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของเวลา
น้ำหนักสัมพัทธ์ของการขนส่งสินค้าเสียหายวัตถุประสงค์ความเสี่ยง
น้ำหนักสัมพัทธ์ของความเสี่ยงของวัตถุประสงค์ของโครงสร้างพื้นฐานและอุปกรณ์
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของความเสี่ยงด้านปฏิบัติการ
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของความเสี่ยงด้านความปลอดภัย
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ความเสี่ยงด้านสิ่งแวดล้อม
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของความเสี่ยงด้านกฎหมาย
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ความเสี่ยงทางการเงิน
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดด้านต้นทุนการขนส่งสำหรับ
เส้นทาง
เปอร์เซ็นต์ของต้นทุนการขนส่งที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในการจำกัดเวลาขนส่งสำหรับ
เส้นทาง
เปอร์เซ็นต์ของเวลาในการขนส่งที่จำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในการขนส่งสินค้าเสียหายข้อจำกัดความเสี่ยงสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงต่อความเสียหายจากการขนส่งสินค้าที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
มีความเสี่ยงจากข้อจำกัดด้านโครงสร้างพื้นฐานสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงของโครงสร้างพื้นฐานที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงด้านการปฏิบัติงานสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงในการปฏิบัติงานจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงด้านความปลอดภัยสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงด้านความปลอดภัยที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงด้านสิ่งแวดล้อมสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงด้านสิ่งแวดล้อมที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงทางกฎหมายสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงด้านกฎหมายที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงทางการเงินสำหรับ
เปอร์เซ็นต์ของความเสี่ยงทางการเงินที่ถูกจำกัดโดยผู้ใช้ |
ZOGP เป็นการดัดแปลงและขยายการเขียนโปรแกรมเชิงเส้นที่รู้จักกันดี กลายเป็นเทคนิคที่ใช้กันอย่างแพร่หลายเนื่องจากความสามารถในการจัดการกับการตัดสินใจของเป้าหมายที่ขัดแย้งกันหลายประการ อย่างไรก็ตาม ZOGP ไม่สามารถสัมประสิทธิ์น้ำหนักได้ แอปพลิเคชันจำนวนมากพบว่าจำเป็นต้องใช้งานร่วมกับวิธีการอื่นๆ เช่น AHP เพื่อให้ได้ค่าสัมประสิทธิ์น้ำหนักอย่างเหมาะสม
มีการใช้แบบจำลอง ZOGP บ่อยมาก เนื่องจากใช้และเข้าใจง่าย [ 33 ] เทคนิคนี้ใช้เพื่อลดความเบี่ยงเบนจากวัตถุประสงค์หลายประการให้เหลือน้อยที่สุดเนื่องจากมีทรัพยากรที่จำกัด เพื่อให้บรรลุเป้าหมายนี้ โดยทั่วไปปัญหาจะมีการกำหนดโดยใช้แบบจำลอง ZOGP ZOGP สามารถใช้เลือกตัวเลือกอื่นได้ เนื่องจากลักษณะไบนารีของตัวแปรการเลือกและเกณฑ์ที่ขัดแย้งกันหลายประการที่เกี่ยวข้อง ในการวิจัยนี้ เรามุ่งหวังที่จะค้นหาเส้นทางการขนส่งต่อเนื่องหลายรูปแบบที่เหมาะสมที่สุดโดยใช้แนวทางการปรับให้เหมาะสมหลายวัตถุประสงค์ เนื่องจากความซับซ้อนของข้อมูลการขนส่ง ZOGP จึงถูกนำมาใช้เพื่อแก้ไขปัญหาขนาดใหญ่
ดังนั้น ZOGP จึงถูกนำมาใช้แล้ว วัตถุประสงค์ของแบบจำลองแนวความคิดนี้คือเพื่อหลีกเลี่ยงความซับซ้อนของปัญหา MCDM ซึ่งรวมถึงเกณฑ์การตัดสินใจมากมาย โมเดลนี้จัดเกณฑ์การตัดสินใจเป็นกลุ่มที่มีโครงสร้างแบบลำดับชั้น ฟังก์ชั่นวัตถุประสงค์เลือกทางเลือกที่เหมาะสมที่สุดจากค่าเบี่ยงเบนรวมของเกณฑ์การตัดสินใจหลักในเลเยอร์สูงสุดของแบบจำลอง ในขณะที่ค่าเบี่ยงเบนของเกณฑ์การตัดสินใจหลักคำนวณโดยฟังก์ชันที่จำกัด ซึ่งระบุค่าเบี่ยงเบนระหว่างค่าเบี่ยงเบนของเกณฑ์การตัดสินใจย่อยและค่าสูงสุด ส่วนเบี่ยงเบน
รูปแบบการเลือกเส้นทางที่นำเสนอผสมผสาน AHP และวิธีการเพิ่มประสิทธิภาพแบบหลายวัตถุประสงค์ น้ำหนักที่มีนัยสำคัญจาก AHP พารามิเตอร์ และข้อมูลที่จำกัดจากระยะก่อนหน้าจะถูกนำมาใช้เพื่อกำหนดฟังก์ชันวัตถุประสงค์และข้อจำกัด ฟังก์ชันวัตถุประสงค์มีจุดมุ่งหมายเพื่อเลือกเส้นทางการขนส่งสินค้าต่อเนื่องหลายรูปแบบที่เหมาะสมโดยมีค่าเบี่ยงเบนรวมน้อยที่สุดระหว่างข้อมูลเส้นทาง ลดต้นทุนการขนส่ง เวลา และความเสี่ยงที่สำคัญ 7 ประการ สูตรทางคณิตศาสตร์ของแบบจำลองถูกกำหนดไว้ในสมการต่อไปนี้ ฟังก์ชันวัตถุประสงค์ถูกกำหนดไว้ในสมการ (5) .
วิธี ZOGP สามารถเพิ่มประสิทธิภาพเพื่อให้ได้เส้นทางการขนส่งหลายรูปแบบ ปัญหาถูกกำหนดโดยใช้สมการ ( 5 – 18 ) น้ำหนักที่มีนัยสำคัญที่ได้รับโดยใช้วิธี AHP ในระยะก่อนหน้าจะถูกเพิ่มเข้าไปในฟังก์ชันวัตถุประสงค์ของ ZOGP น้ำหนักที่มีนัยสำคัญจาก AHP พารามิเตอร์ และข้อมูลที่จำกัดจากระยะก่อนหน้าจะถูกนำมาใช้เพื่อกำหนดฟังก์ชันวัตถุประสงค์และข้อจำกัด คำจำกัดความของแบบจำลองการหาค่าเหมาะที่สุดทางคณิตศาสตร์หลายวัตถุประสงค์ ดัชนี พารามิเตอร์ และตัวแปรการตัดสินใจมีอธิบายไว้ด้านล่างนี้ เพื่อนำเสนอการกำหนดแบบจำลองให้ชัดเจน จึงกำหนดสัญลักษณ์ไว้ดังนี้
ตัวแปรการตัดสินใจ
ความเบี่ยงเบนเกินความสำเร็จของต้นทุน
การเบี่ยงเบนเกินความสำเร็จของเวลา
ค่าเบี่ยงเบนเกินความสำเร็จของการขนส่งสินค้าเสียหายความเสี่ยง
ความเบี่ยงเบนเกินความสำเร็จของความเสี่ยงของโครงสร้างพื้นฐานและอุปกรณ์
ค่าเบี่ยงเบนความสำเร็จเกินจากความเสี่ยงในการปฏิบัติงาน
ความเบี่ยงเบนเกินความสำเร็จของความเสี่ยงด้านความปลอดภัย
การเบี่ยงเบนความสำเร็จมากเกินไปจากความเสี่ยงด้านสิ่งแวดล้อม
การเบี่ยงเบนเกินขอบเขตของกฎหมายความเสี่ยง
การเบี่ยงเบนความสำเร็จมากเกินไปจากความเสี่ยงทางการเงิน
ตัวแปรศูนย์หนึ่งแสดงถึงการไม่เลือก (ศูนย์) หรือการเลือก (หนึ่ง) ของเส้นทาง
= 1, 2, 3,…,
ขึ้นอยู่กับเกณฑ์ทางด้านขวามือ (ต้นทุน เวลา และความเสี่ยง)
พารามิเตอร์
ค่าเบี่ยงเบนรวมของวัตถุประสงค์หรือเกณฑ์การตัดสินใจหลักสำหรับ
เส้นทาง
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของต้นทุน
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของเวลา
น้ำหนักสัมพัทธ์ของการขนส่งสินค้าเสียหายวัตถุประสงค์ความเสี่ยง
น้ำหนักสัมพัทธ์ของความเสี่ยงของวัตถุประสงค์ของโครงสร้างพื้นฐานและอุปกรณ์
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของความเสี่ยงด้านปฏิบัติการ
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของความเสี่ยงด้านความปลอดภัย
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ความเสี่ยงด้านสิ่งแวดล้อม
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ของความเสี่ยงด้านกฎหมาย
น้ำหนักสัมพัทธ์ของวัตถุประสงค์ความเสี่ยงทางการเงิน
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดด้านต้นทุนการขนส่งสำหรับ
เส้นทาง
เปอร์เซ็นต์ของต้นทุนการขนส่งที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในการจำกัดเวลาขนส่งสำหรับ
เส้นทาง
เปอร์เซ็นต์ของเวลาในการขนส่งที่จำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในการขนส่งสินค้าเสียหายข้อจำกัดความเสี่ยงสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงต่อความเสียหายจากการขนส่งสินค้าที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
มีความเสี่ยงจากข้อจำกัดด้านโครงสร้างพื้นฐานสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงของโครงสร้างพื้นฐานที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงด้านการปฏิบัติงานสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงในการปฏิบัติงานจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงด้านความปลอดภัยสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงด้านความปลอดภัยที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงด้านสิ่งแวดล้อมสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงด้านสิ่งแวดล้อมที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงทางกฎหมายสำหรับ
เส้นทาง
เปอร์เซ็นต์ของความเสี่ยงด้านกฎหมายที่ถูกจำกัดโดยผู้ใช้
ค่าสัมประสิทธิ์ของ
ในข้อจำกัดความเสี่ยงทางการเงินสำหรับ
เปอร์เซ็นต์ของความเสี่ยงทางการเงินที่ถูกจำกัดโดยผู้ใช้ |
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 6 |
What is the role of the FAHP method in the proposed risk analysis model?
|
To determine the weights of each risk criterion |
|
วิธีการเพิ่มน้ำหนักแบบบวก (SAW) แบบง่ายใช้เพื่อรวมคะแนนความเสี่ยงภายใต้เกณฑ์ความเสี่ยงที่แตกต่างกันให้เป็นคะแนนความเสี่ยงโดยรวม กรณีศึกษาของอุตสาหกรรมถ่านหินแสดงให้เห็นว่าแบบจำลองการวิเคราะห์ความเสี่ยงที่นำเสนอนั้นใช้ได้จริง และช่วยให้ผู้ใช้จัดลำดับความสำคัญของความเสี่ยงได้แม่นยำยิ่งขึ้นในขณะที่เลือกเส้นทางการขนส่งต่อเนื่องหลายรูปแบบที่เหมาะสมที่สุด กระบวนการนี้ทำให้ผู้ใช้ให้ความสนใจกับความเสี่ยงที่มีลำดับความสำคัญสูงและมีประโยชน์สำหรับอุตสาหกรรมในการเพิ่มประสิทธิภาพเส้นทางการขนส่งต่อเนื่องหลายรูปแบบภายใต้เกณฑ์การตัดสินใจความเสี่ยง |
วิธีการเพิ่มน้ำหนักแบบบวก (SAW) แบบง่ายใช้เพื่อรวมคะแนนความเสี่ยงภายใต้เกณฑ์ความเสี่ยงที่แตกต่างกันให้เป็นคะแนนความเสี่ยงโดยรวม กรณีศึกษาของอุตสาหกรรมถ่านหินแสดงให้เห็นว่าแบบจำลองการวิเคราะห์ความเสี่ยงที่นำเสนอนั้นใช้ได้จริง และช่วยให้ผู้ใช้จัดลำดับความสำคัญของความเสี่ยงได้แม่นยำยิ่งขึ้นในขณะที่เลือกเส้นทางการขนส่งต่อเนื่องหลายรูปแบบที่เหมาะสมที่สุด กระบวนการนี้ทำให้ผู้ใช้ให้ความสนใจกับความเสี่ยงที่มีลำดับความสำคัญสูงและมีประโยชน์สำหรับอุตสาหกรรมในการเพิ่มประสิทธิภาพเส้นทางการขนส่งต่อเนื่องหลายรูปแบบภายใต้เกณฑ์การตัดสินใจความเสี่ยง |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
Which industry is used as a case study in the proposed risk analysis model?
|
Automobile |
|
ความเสี่ยงคือภัยคุกคามที่อาจเกิดขึ้นซึ่งส่งผลกระทบทันทีต่อระบบขนส่ง[6 ] โดยเฉพาะอย่างยิ่งในการขนส่งต่อเนื่องหลายรูปแบบ ความเสี่ยงที่เกี่ยวข้องโดยตรงกับอุบัติเหตุมีบทบาทสำคัญในไม่เพียงแต่ส่งผลกระทบต่อต้นทุนและเวลาเท่านั้น แต่ยังช่วยลดความได้เปรียบทางการแข่งขันด้วย[7 ] นอกจากนี้ ความเสี่ยงอาจรบกวนกระบวนการโลจิสติกส์ ส่งผลกระทบต่อความทันเวลาในการจัดส่ง และทำให้เกิดความเสียหายต่อค่าขนส่ง และต้นทุนหรือความล่าช้าที่ไม่คาดคิด[3] , [7] – [ 9 ]
มีสถานการณ์อุบัติเหตุที่เป็นไปได้สูงจำนวนมากในระบบการขนส่งสินค้า[10] – [ 12 ] เพื่อประเมินและลดผลกระทบของสถานการณ์เหล่านั้น การวิเคราะห์ความเสี่ยงเป็นเครื่องมือสำคัญที่ใช้ในการหารือเกี่ยวกับลักษณะและผลกระทบของความเสี่ยงที่เกี่ยวข้องกับการขนส่งสินค้า อย่างไรก็ตาม เมื่อพิจารณาการรับรู้ความเสี่ยงในการขนส่ง การศึกษาส่วนใหญ่จะเน้นเฉพาะโหมดถนน เรือ ทางรถไฟ หรือทางอากาศเท่านั้น มีการศึกษาน้อยมากที่มุ่งเน้นไปที่ความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบ[3] , [7] , [13 ] |
ความเสี่ยงคือภัยคุกคามที่อาจเกิดขึ้นซึ่งส่งผลกระทบทันทีต่อระบบขนส่ง[6 ] โดยเฉพาะอย่างยิ่งในการขนส่งต่อเนื่องหลายรูปแบบ ความเสี่ยงที่เกี่ยวข้องโดยตรงกับอุบัติเหตุมีบทบาทสำคัญในไม่เพียงแต่ส่งผลกระทบต่อต้นทุนและเวลาเท่านั้น แต่ยังช่วยลดความได้เปรียบทางการแข่งขันด้วย[7 ] นอกจากนี้ ความเสี่ยงอาจรบกวนกระบวนการโลจิสติกส์ ส่งผลกระทบต่อความทันเวลาในการจัดส่ง และทำให้เกิดความเสียหายต่อค่าขนส่ง และต้นทุนหรือความล่าช้าที่ไม่คาดคิด[3] , [7] – [ 9 ]
มีสถานการณ์อุบัติเหตุที่เป็นไปได้สูงจำนวนมากในระบบการขนส่งสินค้า[10] – [ 12 ] เพื่อประเมินและลดผลกระทบของสถานการณ์เหล่านั้น การวิเคราะห์ความเสี่ยงเป็นเครื่องมือสำคัญที่ใช้ในการหารือเกี่ยวกับลักษณะและผลกระทบของความเสี่ยงที่เกี่ยวข้องกับการขนส่งสินค้า อย่างไรก็ตาม เมื่อพิจารณาการรับรู้ความเสี่ยงในการขนส่ง การศึกษาส่วนใหญ่จะเน้นเฉพาะโหมดถนน เรือ ทางรถไฟ หรือทางอากาศเท่านั้น มีการศึกษาน้อยมากที่มุ่งเน้นไปที่ความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบ[3] , [7] , [13 ] |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
What does the DEA method do in the proposed FAHP-DEA methodology?
|
Evaluates linguistic variables and generates risk scores |
|
วิธีการ FAHP-DEA ที่นำเสนอนั้นมีประสิทธิภาพและตรงไปตรงมามากกว่าเทคนิคอื่นๆ การดำเนินการ FAHP-DEA จะพิจารณาลำดับความสำคัญของปัจจัยต่างๆ และเป็นทางเลือกที่ดีที่สุด นอกจากนี้ FAHP ยังสามารถยืนยันความสอดคล้องของการตอบสนองโดยการเปรียบเทียบออบเจ็กต์ที่มีคุณลักษณะหลายรายการตามโครงสร้างลำดับชั้น นอกจากนี้ ความซ้ำซ้อนของการเปรียบเทียบแบบคู่ทำให้แบบจำลอง FAHP-DEA มีความไวต่อข้อผิดพลาดในการประเมินน้อยลง
วิธีการที่นำเสนอสามารถจัดกลุ่มทางเลือกความเสี่ยงออกเป็นประเภทความเสี่ยงที่แตกต่างกันสำหรับแต่ละเกณฑ์โดยกำหนดลักษณะเฉพาะของคะแนนการประเมินทางภาษา เมื่อต้องเผชิญกับทางเลือกอื่นๆ จำนวนมาก วิธีการนี้จะเป็นประโยชน์มากกว่าสำหรับทางเลือกในการตัดสินใจแบบจัดอันดับ
วิธีการที่เสนอต้องการการแก้ไขแบบจำลองการเขียนโปรแกรมเชิงเส้นเพียงรูปแบบเดียวสำหรับแต่ละเกณฑ์ ในขณะที่วิธีอื่นๆ ต้องการคำตอบของแบบจำลองการเขียนโปรแกรมเชิงเส้นหลายรูปแบบสำหรับทุกเกณฑ์
จากความรู้ที่ดีที่สุด ยังไม่มีการศึกษาใดที่ใช้แบบจำลองนี้เพื่อประเมินความเสี่ยงในระบบขนส่งต่อเนื่องหลายรูปแบบ ดังนั้นจึงมีการใช้แบบจำลองลูกผสมที่ใช้วิธี FAHP และ DEA ในการศึกษานี้ DEA ใช้เพื่อสร้างคะแนนความเสี่ยงในท้องถิ่นสำหรับแต่ละเกณฑ์ นอกจากนี้ FAHP ยังใช้เพื่อประเมินการคำนวณน้ำหนักตามลำดับความสำคัญของปัจจัยเสี่ยงอย่างมีประสิทธิภาพ |
วิธีการ FAHP-DEA ที่นำเสนอนั้นมีประสิทธิภาพและตรงไปตรงมามากกว่าเทคนิคอื่นๆ การดำเนินการ FAHP-DEA จะพิจารณาลำดับความสำคัญของปัจจัยต่างๆ และเป็นทางเลือกที่ดีที่สุด นอกจากนี้ FAHP ยังสามารถยืนยันความสอดคล้องของการตอบสนองโดยการเปรียบเทียบออบเจ็กต์ที่มีคุณลักษณะหลายรายการตามโครงสร้างลำดับชั้น นอกจากนี้ ความซ้ำซ้อนของการเปรียบเทียบแบบคู่ทำให้แบบจำลอง FAHP-DEA มีความไวต่อข้อผิดพลาดในการประเมินน้อยลง
วิธีการที่นำเสนอสามารถจัดกลุ่มทางเลือกความเสี่ยงออกเป็นประเภทความเสี่ยงที่แตกต่างกันสำหรับแต่ละเกณฑ์โดยกำหนดลักษณะเฉพาะของคะแนนการประเมินทางภาษา เมื่อต้องเผชิญกับทางเลือกอื่นๆ จำนวนมาก วิธีการนี้จะเป็นประโยชน์มากกว่าสำหรับทางเลือกในการตัดสินใจแบบจัดอันดับ
วิธีการที่เสนอต้องการการแก้ไขแบบจำลองการเขียนโปรแกรมเชิงเส้นเพียงรูปแบบเดียวสำหรับแต่ละเกณฑ์ ในขณะที่วิธีอื่นๆ ต้องการคำตอบของแบบจำลองการเขียนโปรแกรมเชิงเส้นหลายรูปแบบสำหรับทุกเกณฑ์
จากความรู้ที่ดีที่สุด ยังไม่มีการศึกษาใดที่ใช้แบบจำลองนี้เพื่อประเมินความเสี่ยงในระบบขนส่งต่อเนื่องหลายรูปแบบ ดังนั้นจึงมีการใช้แบบจำลองลูกผสมที่ใช้วิธี FAHP และ DEA ในการศึกษานี้ DEA ใช้เพื่อสร้างคะแนนความเสี่ยงในท้องถิ่นสำหรับแต่ละเกณฑ์ นอกจากนี้ FAHP ยังใช้เพื่อประเมินการคำนวณน้ำหนักตามลำดับความสำคัญของปัจจัยเสี่ยงอย่างมีประสิทธิภาพ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
Which method is used to aggregate risk scores into an overall risk score in the proposed model?
|
Simple Additive Weighting (SAW) |
|
ษณาที่ตรงเป้าหมาย คุณสามารถเปลี่ยนการตั้งค่าได้ตลอดเวลาหรือยอมรับการตั้งค่าเริ่มต้น คุณสามารถปิดแบนเนอร์นี้เพื่อดำเนินการต่อด้วยคุกกี้ที่จำเป็นเท่านั้น นโยบายความเป็นส่วนตัว
การจัดเก็บข้อมูลแบบที่คุณเลือก
การโฆษณาที่ตรงเป้าหมาย
การปรับการแสดงผลของเว็บไซต์ให้เหมาะกับเฉพาะบุคคล
การวิเคราะห์
บันทึก
ยอมรับทั้งหมด
ปฏิเสธทั้งหมด
ข้ามไปที่เนื้อหาหลัก
IEEE.org
IEEE Xplore
อีอีอีเอสเอ
สเปกตรัม IEEE
เว็บไซต์เพิ่มเติม
ติดตาม
บริจาค
รถเข็น
สร้างบัญชี
เข้าสู่ระบบส่วนบุคคล
โลโก้ IEEE Xplore - ลิงก์ไปยังหน้าแรก
เรียกดู
การตั้งค่าของฉัน
ช่วย
ลงชื่อเข้าใช้สถาบัน
โลโก้ IEEE - ลิงก์ไปยังหน้าแรกของเว็บไซต์หลักของ IEEE
ทั้งหมด
การค้นหาขั้นสูง
วารสารและนิตยสาร> การเข้าถึง IEEE > เล่ม: 8
การวิเคราะห์ความเสี่ยงตามแบบจำลองสองขั้นตอนของ Fuzzy AHP-DEA สำหรับระบบการขนส่งสินค้าต่อเนื่องหลายรูปแบบ
สำนักพิมพ์: IEEE
อ้างอิงสิ่งนี้
ไฟล์ PDF
ระหว่างทางไปแก้วฟ้า; วันนาม ฮวีญ; ในระยะขอบอมรปาละ ; นันทพร รัตติสันทาวเวอร์
ผู้เขียนทั้งหมด
19
อ้างอิงใน
เอกสาร
1455
เต็ม
มุมมองข้อความ
เปิดการเข้าถึง
ความคิดเห็น
ภายใต้สัญญาอนุญาตครีเอทีฟคอมมอนส์
เชิงนามธรรม
ส่วนเอกสาร
ฉัน.
การแนะนำ
ครั้งที่สอง
งานที่เกี่ยวข้อง
สาม.
กรอบการสร้างแบบจำลอง
IV.
กรณีศึกษา
ใน.
บทสรุป ข้อจำกัด และการศึกษาต่อ
แสดงโครงร่างแบบเต็ม
ผู้เขียน
ตัวเลข
อ้างอิง
การอ้างอิง
คำหลัก
เมตริก
เชิงอรรถ
เชิงนามธรรม:
การขนส่งต่อเนื่องหลายรูปแบบกลายเป็นจุดสนใจหลักของระบบโลจิสติกส์ เนื่องจากปัญหาด้านสิ่งแวดล้อม ปัญหาความปลอดภัยทางถนน และความแออัดของการจราจร ส่งผลให้มีความสนใจด้านการวิจัยและนโยบายเกี่ยวกับปัญหาการขนส่งสินค้าต่อเนื่องหลายรูปแบบเพิ่มมากขึ้น อย่างไรก็ตาม มีความท้าทายที่สำคัญในการพัฒนาการขนส่งต่อเนื่องหลายรูปแบบซึ่งเกี่ยวข้องกับความเสี่ยงโดยธรรมชาติและความไม่แน่นอนหลายประการ เนื่องจากความเสี่ยงเป็นภัยคุกคามที่อาจส่งผลกระทบโดยตรงต่อระบบโลจิสติกส์และการขนส่ง จึงควรดำเนินการวิเคราะห์ความเสี่ยงอย่างครอบคลุม การวิเคราะห์ความเสี่ยงเป็นกระบวนการที่สำคัญในการระบุและวิเคราะห์ประเด็นสำคัญเพื่อช่วยอุตสาหกรรมลดความเสี่ยงเหล่านั้น อย่างไรก็ตาม การระบุและจัดลำดับความสำคัญของความเสี่ยงมีความซับซ้อนมากขึ้นเนื่องจากความคลุมเครือของข้อมูลที่เกี่ยวข้อง การศึกษานี้เสนอการบูรณาการกระบวนการลำดับชั้นการวิเคราะห์แบบคลุมเครือ (FAHP) และการวิเคราะห์การห่อหุ้มข้อมูล (DEA) เพื่อระบุและประเมินความเสี่ยงเชิงปริมาณ วิธีการ FAHP-DEA ที่เสนอใช้วิธีการ FAHP เพื่อกำหนดน้ำหนักของเกณฑ์ความเสี่ยงแต่ละข้อ วิธี DEA ใช้เพื่อประเมินตัวแปรทางภาษาและสร้างคะแนนความเสี่ยง วิธีการเพิ่มน้ำหนักแบบบวก (SAW) แบบง่ายใช้เพื่อรวมคะแนนความเสี่ยงภายใต้เกณฑ์ความเสี่ยงที่แตกต่างกันให้เป็นคะแนนความเสี่ยงโดยรวม กรณีศึกษาของอุตสาหกรรมถ่านหินแสดงให้เห็นว่าแบบจำลองการวิเคราะห์ความเสี่ยงที่นำเสนอนั้นใช้ได้จริง และช่วยให้ผู้ใช้จัดลำดับความสำคัญของความเสี่ยงได้แม่นยำยิ่งขึ้นในขณะที่เลือกเส้นทางการขนส่งต่อเนื่องหลายรูปแบบที่เหมาะสมที่สุด กระบวนการนี้ทำให้ผู้ใช้ให้ความสนใจกับความเสี่ยงที่มีลำดับความสำคัญสูงและมีประโยชน์สำหรับอุตสาหกรรมในการเพิ่มประสิทธิภาพเส้นทางการขนส่งต่อเนื่องหลายรูปแบบภายใต้เกณฑ์การตัดสินใจความเสี่ยง
โครงข่ายการขนส่งสินค้าต่อเนื่องหลายรูปแบบ
โครงข่ายการขนส่งสินค้าต่อเนื่องหลายรูปแบบ
เผยแพร่ใน: IEEE Access ( Volume: 8 )
หน้า: 153756 - 153773
วันที่ตีพิมพ์: 21 สิงหาคม 2020
ISSN อิเล็กทรอนิกส์: 2169-3536
ดอย: 10.1109/ACCESS.2020.3018669
สำนักพิมพ์: IEEE
หน่วยงานให้ทุน:
CCBY - IEEE ไม่ใช่ผู้ถือลิขสิทธิ์ของเนื้อหานี้ โปรดปฏิบัติตามคำแนะนำผ่านทางhttps :// www . org / ใบอนุญาต/ โดย/ 4 . 0 /เพื่อรับบทความฉบับเต็มและข้อกำหนดในเอกสารประกอบ API
ส่วนที่ 1การแนะนำ
การขนส่งสินค้าเป็นองค์ประกอบสำคัญของห่วงโซ่อุปทานในการจัดเตรียมวัตถุดิบและสินค้าสำเร็จรูปให้พร้อมทันเวลาและการเคลื่อนย้ายที่มีประสิทธิภาพ[1 ] เนื่องจากการค้าโลกาภิวัตน์ โหมดเฉพาะรถบรรทุกแบบดั้งเดิมจึงไม่ใช่วิธีแก้ปัญหาที่เป็นไปได้สำหรับทุกสถานการณ์อีกต่อไป นอกจากนี้ ยังคำนึงถึงปัญหาการจราจรติดขัด ความปลอดภัยทางถนน และสิ่งแวดล้อมเป็นวาระสำคัญด้วย ด้วยเหตุนี้ นโยบายการขนส่งของสหภาพยุโรปจึงมีจุดมุ่งหมายเพื่อลดการขนส่งทางถนนโดยหันมาใช้รูปแบบการขนส่งที่ก่อให้เกิดมลพิษน้อยลงและประหยัดพลังงานมากขึ้น ปัจจุบันการขนส่งต่อเนื่องหลายรูปแบบถือเป็นองค์ประกอบสำคัญของระบบการขนส่งสมัยใหม่
อย่างไรก็ตาม เมื่อมุ่งเน้นไปที่ระบบการขนส่งสินค้าต่อเนื่องหลายรูปแบบ ปัญหาต่างๆ จะเห็นได้มากมาย[1] – [ 5 ] เนื่องจากการขนส่งต่อเนื่องหลายรูปแบบประกอบด้วยปัจจัยหลายอย่างและการมีปฏิสัมพันธ์ระหว่างรูปแบบที่แตกต่างกันจึงค่อนข้างซับซ้อน[2]ซึ่งนำไปสู่ความเสี่ยงและความไม่แน่นอนที่เพิ่มขึ้น[3 ] ความเสี่ยงคือภัยคุกคามที่อาจเกิดขึ้นซึ่งส่งผลกระทบทันทีต่อระบบขนส่ง[6 ] โดยเฉพาะอย่างยิ่งในการขนส่งต่อเนื่องหลายรูปแบบ ความเสี่ยงที่เกี่ยวข้องโดยตรงกับอุบัติเหตุมีบทบาทสำคัญในไม่เพียงแต่ส่งผลกระทบต่อต้นทุนและเวลาเท่านั้น แต่ยังช่วยลดความได้เปรียบทางการแข่งขันด้วย[7 ] นอกจากนี้ ความเสี่ยงอาจรบกวนกระบวนการโลจิสติกส์ ส่งผลกระทบต่อความทันเวลาในการจัดส่ง และทำให้เกิดความเสียหายต่อค่าขนส่ง และต้นทุนหรือความล่าช้าที่ไม่คาดคิด[3] , [7] – [ 9 ]
มีสถานการณ์อุบัติเหตุที่เป็นไปได้สูงจำนวนมากในระบบการขนส่งสินค้า[10] – [ 12 ] เพื่อประเมินและลดผลกระทบของสถานการณ์เหล่านั้น การวิเคราะห์ความเสี่ยงเป็นเครื่องมือสำคัญที่ใช้ในการหารือเกี่ยวกับลักษณะและผลกระทบของความเสี่ยงที่เกี่ยวข้องกับการขนส่งสินค้า อย่างไรก็ตาม เมื่อพิจารณาการรับรู้ความเสี่ยงในการขนส่ง การศึกษาส่วนใหญ่จะเน้นเฉพาะโหมดถนน เรือ ทางรถไฟ หรือทางอากาศเท่านั้น มีการศึกษาน้อยมากที่มุ่งเน้นไปที่ความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบ[3] , [7] , [13 ]
การวิเคราะห์ความเสี่ยงเป็นกระบวนการในการจำแนกลักษณะและกำหนดอันตราย ประกอบด้วยสองขั้นตอนหลัก: ขั้นตอนเชิงคุณภาพของการจำแนกประเภทอันตราย และขั้นตอนเชิงปริมาณของการประเมินความเสี่ยง ระยะหลังรวมถึงการประมาณความเป็นไปได้และความรุนแรงของอันตรายแต่ละอย่าง การวิเคราะห์ความเสี่ยงในการขนส่งสามารถกำหนดได้ว่าเป็นปัญหาการตัดสินใจหลายเกณฑ์ (MCDM) และเสนอแบบจำลองเชิงคุณภาพเป็นหลักซึ่งขึ้นอยู่กับการประเมินเชิงอัตนัย[7] , [14] , [15 ]
นอกจากนี้ แบบจำลองเชิงปริมาณยังมีความซับซ้อนเมื่อเกี่ยวข้องกับความไม่แน่นอนและความคลุมเครือของกระบวนการตัดสินใจของมนุษย์ ด้วยเหตุนี้ ลักษณะแบบไดนามิกของการขนส่งต่อเนื่องหลายรูปแบบจึงนำไปสู่ปัญหาที่ซับซ้อนในกระบวนการวิเคราะห์ความเสี่ยง ตัวอย่างเช่น ในกระบวนการจำแนกความเสี่ยง จำเป็นต้องมีวิธีการในการจัดลำดับความสำคัญของความเสี่ยงโดยพิจารณาจากการตัดสินใจของผู้เชี่ยวชาญหลายราย
ดังนั้น ควรตระหนักถึง MCDM ที่เหมาะสมสำหรับการวิเคราะห์ความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบ ในขณะเดียวกันก็แก้ไขปัญหาข้อขัดแย้งและการพึ่งพาอาศัยกันหลายประการได้อย่างมีประสิทธิภาพ[14 ] เพื่อเอาชนะความยากลำบาก การศึกษานี้เสนอกรอบการทำงานใหม่สำหรับการวิเคราะห์ความเสี่ยงในระบบการขนส่งสินค้าต่อเนื่องหลายรูปแบบบนพื้นฐานของแนวทาง FAHP-DEA ใช้วิธี FAHP เพื่อกำหนดน้ำหนักของแต่ละเกณฑ์ นอกจากนี้ FAHP ยังสามารถจัดการกับความคลุมเครือและความเป็นส่วนตัวของการตัดสินของมนุษย์ได้ วิธี DEA ใช้เพื่อกำหนดเกรดการประเมินในแง่ภาษาศาสตร์ และเพื่อสร้างคะแนนความเสี่ยงในท้องถิ่น ท้ายที่สุด วิธี SAW ช่วยให้สามารถรวมคะแนนความเสี่ยงในท้องถิ่นเป็นคะแนนความเสี่ยงโดยรวมสำหรับทางเลือกในการตัดสินใจแต่ละรายการ แนวทางดังกล่าวแสดงให้เห็นเส้นทางการขนส่งถ่านหินหลายรูปแบบที่เกิดขึ้นจริงในประเทศไทย เพื่อตรวจสอบความถูกต้องของแบบจำลองและผลลัพธ์ จะมีการดำเนินการจัดอันดับสหสัมพันธ์ของสเปียร์แมนและการวิเคราะห์สหสัมพันธ์แบบเพียร์สันในแต่ละวิธี MCDM ที่ได้รับการศึกษา
การมีส่วนร่วมที่สำคัญของการศึกษานี้สามารถสรุปได้ดังนี้:
แบบจำลอง FAHP-DEA ใหม่ที่นำเสนอมีประสิทธิภาพการแข่งขันเมื่อเปรียบเทียบกับเทคนิคอื่นๆ ในการประเมินความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบ เพื่อหลีกเลี่ยงการเปรียบเทียบแบบคู่ในวิธี FAHP จำนวนมาก แบบจำลองที่นำเสนอกำหนดให้ผู้เชี่ยวชาญจัดทำการเปรียบเทียบแบบคู่ตามเกณฑ์การตัดสินใจเท่านั้น นอกจากนี้ คำศัพท์ทางภาษา เช่น สูงมาก สูง ปานกลาง ต่ำ และต่ำมาก ถูกนำมาใช้เพื่อทำให้การประเมินของผู้เชี่ยวชาญง่ายขึ้นเมื่อเลือกคะแนนความเสี่ยงในวิธี DEA ดังนั้น แบบจำลองนี้จึงไม่มีการสังเคราะห์เมทริกซ์การเปรียบเทียบแบบคู่ และต้องการเพียงการคำนวณอย่างง่ายเท่านั้น
การศึกษานี้เสนอกรอบการวิเคราะห์ความเสี่ยงที่ถูกต้องเพื่อลดอคติในการประเมินความเสี่ยง และเพื่อช่วยพัฒนาระบบสนับสนุนการตัดสินใจใหม่สำหรับการประเมินความเสี่ยงเชิงปริมาณในการขนส่งต่อเนื่องหลายรูปแบบ ใช้ระบบความคิดเห็นของผู้เชี่ยวชาญเชิงคุณภาพเพื่อจัดการความเสี่ยงส่วนบุคคลในการขนส่งสินค้าต่อเนื่องหลายรูปแบบ นอกจากนี้ แบบจำลองที่นำเสนอยังรวมทฤษฎีเซตคลุมเครือเพื่อลดความซับซ้อนและความไม่แน่นอนที่เกี่ยวข้องกับการวิเคราะห์ความเสี่ยง การศึกษานี้นำเสนอข้อมูลเชิงลึกที่เป็นประโยชน์แก่นักวิจัยและผู้ปฏิบัติงานในการวิเคราะห์และจัดลำดับความสำคัญความเสี่ยงด้านการขนส่ง ตลอดจนการปรับเส้นทางให้เหมาะสมภายใต้เกณฑ์การตัดสินใจความเสี่ยง
กรณีศึกษาของการวิเคราะห์ความเสี่ยงจะถูกนำเสนอควบคู่ไปกับการมีส่วนร่วมในวรรณกรรมโดยแนะนำรายการแบบองค์รวมของปัจจัยที่เป็นไปได้ที่ส่งผลต่อความเสี่ยงทั่วไป 5 ประเภท รวมถึงความเสี่ยงจากความเสียหายจากการขนส่งสินค้า ความเสี่ยงด้านโครงสร้างพื้นฐาน ความเสี่ยงในการปฏิบัติงาน ความเสี่ยงด้านความปลอดภัย และความเสี่ยงด้านสิ่งแวดล้อม ความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบระบุเป็น 2 ระยะตามลำดับโดยใช้แนวทางการวิจัยทั้งเชิงคุณภาพและเชิงปริมาณ การจำแนกประเภทที่ครอบคลุมนี้ไม่เพียงแต่ช่วยให้นักวิจัยและผู้ปฏิบัติงานสามารถระบุและจำแนกปัจจัยเสี่ยงที่อาจเกิดขึ้นได้ แต่ยังเป็นจุดเริ่มต้นสำหรับการสร้างแบบจำลองดัชนีความเสี่ยงด้านการขนส่งที่ใช้กับกระบวนการขนส่งต่อเนื่องหลายรูปแบบ
ส่วนที่เหลือของบทความนี้มีการจัดระเบียบดังนี้ งานที่เกี่ยวข้องจะถูกนำเสนอโดยย่อใน ส่วน ที่II ส่วนที่ 3จะแนะนำกรอบงานการสร้างแบบจำลองของแบบจำลอง FAHP และ DEA ส่วนที่ 4แสดงให้เห็นกรณีศึกษาเชิงปฏิบัติ สุดท้าย ข้อสรุป ข้อจำกัด และงานในอนาคตจะถูกนำเสนอใน ส่วน ที่5
ส่วนที่ 2งานที่เกี่ยวข้อง
การวิเคราะห์ความเสี่ยงเป็นกระบวนการที่เป็นระบบในการประเมินผลกระทบ การเกิด และผลของกิจกรรมหรือระบบของมนุษย์ กระบวนการวิเคราะห์ความเสี่ยงแบบดั้งเดิมประกอบด้วยขั้นตอนต่อไปนี้[3] , [16] : การระบุความเสี่ยง การประเมินความเสี่ยง และการบริหารความเสี่ยงและการติดตามการดำเนินการ ความหลากหลายของเทคนิคการวิเคราะห์ความเสี่ยงทำให้มั่นใจได้ว่ามีเทคนิคที่เหมาะสมสำหรับทุกสถานการณ์
มีการเสนอวิธีการต่างๆ ไว้ในเอกสารการวิเคราะห์ความเสี่ยง มีการศึกษาจำนวนมากที่ดำเนินการโดยใช้วิธี MCDM เพื่อวิเคราะห์ความเสี่ยงที่สำคัญ คารามูเซียนและคณะ [14]เสนอห้องปฏิบัติการทดลองและประเมินผลการตัดสินใจแบบไฮบริดและแบบจำลองกระบวนการเครือข่ายการวิเคราะห์ (DEMATEL-ANP) เพื่อจัดลำดับความสำคัญความเสี่ยงในโครงการก่อสร้าง ผลลัพธ์ที่ได้นำเสนอปัจจัยเสี่ยงที่สำคัญและกำหนดความสัมพันธ์ระหว่างกันในกรณีศึกษา อิลังกุมารันและคณะ [17]ใช้กระบวนการเครือข่ายการวิเคราะห์ (ANP) และแนวทางภาษาศาสตร์คลุมเครือเพื่อประเมินความเสี่ยงในสภาพแวดล้อมที่ร้อนของอุตสาหกรรมโรงหล่อ ยาซดีและคณะ [18]ใช้วิธีการที่ดีที่สุด-แย่ที่สุด (BWM) เพื่อการวิเคราะห์ความเสี่ยงที่เชื่อถือได้ โดยยึดตามรูปแบบการตัดสินใจแบบประชาธิปไตยและเผด็จการ แท้จริงและคณะ [19]เสนอโหมดความล้มเหลวและการวิเคราะห์ผลกระทบ (FMEA) ซึ่งใช้ MCDM และได้รับการพัฒนาโดยการบูรณาการวิธีการคร่าวๆ ที่ดีที่สุด-แย่ที่สุด (BWM) นอกจากนี้ ยังมีการใช้เทคนิคสำหรับการสั่งซื้อตามความคล้ายคลึงกับโซลูชันในอุดมคติ (TOPSIS) เพื่อประเมินปัจจัยเสี่ยงในเครื่องมือกล Matthews [20]ศึกษาองค์กรการบริหารความเสี่ยงและแนวทางปฏิบัติโดยใช้ระเบียบวิธี DEA ผลการวิจัยแสดงให้เห็นถึงความสำคัญของการประเมินความเสี่ยงในอุตสาหกรรมการธนาคาร ชิและคณะ [21]ใช้ตรรกะคลุมเครือกับปปส. เพื่อตรวจสอบความเสี่ยงของโครงการก่อสร้างในประเทศจีน สเควาสและคณะ [22]ใช้วิธี DEA เพื่อตรวจสอบประสิทธิภาพของฟาร์มโดยผสมผสานสารกำจัดศัตรูพืชที่หกล้นด้านสิ่งแวดล้อมตลอดจนปัจจัยการผลิตอื่น ๆ ที่เกี่ยวข้องกับความเสี่ยงในการผลิต วังและคณะ [23]แนะนำวิธี AHP-DEA สำหรับการประเมินความเสี่ยงของสะพาน และแสดงให้เห็นว่าวิธีการนี้ง่ายและใช้ได้กับกรณีศึกษา เก่งพลและท้วมมี[7]พัฒนาเครื่องมือประเมินความเสี่ยงเพื่อระบุความเสี่ยงด้านลอจิสติกส์ต่อเนื่องหลายรูปแบบโดยใช้กระบวนการวิเคราะห์ลำดับชั้น (AHP) และการวิเคราะห์การห่อหุ้มข้อมูล (DEA) เอกสารที่กล่าวมาข้างต้นบ่งชี้ถึงความสำคัญของการวิเคราะห์ความเสี่ยงในด้านต่างๆ นอกจากนี้ งานล่าสุดได้ใช้แบบจำลอง DEA เพื่อพัฒนาแบบจำลองการวิเคราะห์ความเสี่ยง
การวิเคราะห์การห่อหุ้มข้อมูล (DEA) เป็นเครื่องมือการประเมินที่เกี่ยวข้องกับหน่วยการตัดสินใจ (DMU) ที่แตกต่างกัน สามารถแก้ไขปัญหาที่ซับซ้อนมากมายได้โดยการบูรณาการอินพุตและเอาต์พุตหลายรายการพร้อมกันโดยใช้อัตราส่วนของผลรวมน้ำหนักที่จำกัดของเอาต์พุตต่อผลรวมน้ำหนักที่จำกัดของอินพุต[7] , [24] – [ 26 ] ในช่วงหลายปีที่ผ่านมา มีงานวิจัยจำนวนมากใช้วิธีการ DEA เพื่อวิเคราะห์ความเสี่ยงในด้านต่างๆ กรอบการทำงานของ DEA ได้ถูกนำไปใช้ในหลากหลายด้าน รวมถึงการประเมินประสิทธิภาพการบริการ[25] , [27]ประสิทธิภาพของโรงพยาบาล[28]การเลือกซัพพลายเออร์[29]และการขนส่ง[30] – [ 33 ]
อย่างไรก็ตาม วิธี DEA เป็นแนวทางการเขียนโปรแกรมเชิงเส้นแบบไม่มีพารามิเตอร์ ซึ่งจะประเมินประสิทธิภาพสัมพัทธ์ของเพื่อน DMU [7] , [21 ] การกำหนดน้ำหนักของตัวบ่งชี้ผลลัพธ์เกี่ยวข้องกับปัญหาการตัดสินใจหลายเกณฑ์ (MCDM) [25 ] มีการใช้วิธีการ MCDM หลายวิธีในการกำหนดน้ำหนักเกณฑ์ รวมถึงกระบวนการลำดับชั้นการวิเคราะห์ (AHP) AHP เหมาะอย่างยิ่งสำหรับการสร้างแบบจำลองและการถ่วงน้ำหนักข้อมูลเชิงคุณภาพด้วยระดับคะแนน 9 จุดที่คมชัด[24]และใช้การเปรียบเทียบแบบคู่สำหรับแต่ละเกณฑ์[8] มันถูกนำไปใช้ในการวิจัยต่างๆ รวมถึงการประเมิน การคัดเลือก และการพยากรณ์[7] , [8] , [23] , [34 ] อย่างไรก็ตาม AHP ไม่เหมาะเมื่อมีรายการจำนวนมากที่ต้องพิจารณาและจัดลำดับความสำคัญ เนื่องจากสามารถเปรียบเทียบทางเลือกในการตัดสินใจได้เพียงจำนวนจำกัด[24 ] นอกจากนี้ ข้อจำกัดอีกประการหนึ่งของ AHP แบบดั้งเดิมก็คือผู้เชี่ยวชาญไม่สามารถแสดงการตัดสินของตนเองด้วยค่าที่ชัดเจนในระดับการให้คะแนนได้ ทฤษฎีเซตคลุมเครือสามารถนำมาใช้แก้ข้อจำกัดได้ เนื่องจากทฤษฎีเซตนี้ให้ความแข็งแกร่งด้านตัวเลขในการจับความไม่แน่นอนที่เกี่ยวข้องกับกระบวนการรับรู้ของมนุษย์[24 ] เพื่อเอาชนะปัญหาเหล่านี้ ทฤษฎีเซตคลุมเครือที่บูรณาการกับ AHP จะถูกดำเนินการเพื่อจัดการกับความไม่แน่นอนและปัญหาที่ซับซ้อนเหล่านี้ที่เกี่ยวข้องกับสภาพแวดล้อมในการตัดสินใจ[21] , [31] , [35] – [ 37]
ดังนั้น การบูรณาการ FAHP และ DEA จึงกลายเป็นวิธีที่มีประสิทธิภาพในการจัดการกับปัจจัยนำเข้าและผลลัพธ์ที่หลากหลายของการวิเคราะห์ความเสี่ยง ตัวอย่างเช่น Vencheh และ Mohamadghasemi [24]ใช้แบบจำลองลูกผสมของ FAHP และ DEA สำหรับการจำแนกประเภทสินค้าคงคลังตามเกณฑ์หลายเกณฑ์ พวกเขาแสดงให้เห็นว่าแนวทาง FAHP-DEA แบบบูรณาการนั้นง่ายมากและสามารถใช้ได้กับปัญหาที่มีทางเลือกในการตัดสินใจจำนวนมาก ชิและคณะ [21]ใช้ตรรกศาสตร์คลุมเครือและ DEA เพื่อตรวจสอบการจัดการความเสี่ยงในการส่งมอบในการก่อสร้าง และพิสูจน์ว่าวิธีการเหล่านั้นสามารถลดอคติในการประเมินความเสี่ยงได้ Diouf และ Kwak [29]นำเสนอแบบจำลองแนวความคิดตามทฤษฎีเซตคลุมเครือ, AHP และ DEA สำหรับการคัดเลือกซัพพลายเออร์
การศึกษาวิจัยก่อนหน้านี้ระบุว่าการบูรณาการ FAHP และ DEA ถูกนำมาใช้กันอย่างแพร่หลายและเหมาะสมสำหรับการดำเนินการวิเคราะห์ความเสี่ยง โมเดล FAHP และ DEA ที่รวมกันสามารถจัดการกับข้อมูลทั้งเชิงคุณภาพและเชิงปริมาณ[7 ] นอกจากนี้ การตัดสินใจจัดอันดับยังใช้งานได้จริงและง่ายกว่าเมื่อเทียบกับตัวเลือกอื่นๆ จำนวนมาก
วิธีการบูรณาการ FAHP–DEA ที่เสนอมีข้อดีเหนือกว่าวิธีที่มีลำดับความสำคัญสัมบูรณ์[23] – [ 25] :
วิธีการ FAHP-DEA ที่นำเสนอนั้นมีประสิทธิภาพและตรงไปตรงมามากกว่าเทคนิคอื่นๆ การดำเนินการ FAHP-DEA จะพิจารณาลำดับความสำคัญของปัจจัยต่างๆ และเป็นทางเลือกที่ดีที่สุด นอกจากนี้ FAHP ยังสามารถยืนยันความสอดคล้องของการตอบสนองโดยการเปรียบเทียบออบเจ็กต์ที่มีคุณลักษณะหลายรายการตามโครงสร้างลำดับชั้น นอกจากนี้ ความซ้ำซ้อนของการเปรียบเทียบแบบคู่ทำให้แบบจำลอง FAHP-DEA มีความไวต่อข้อผิดพลาดในการประเมินน้อยลง
วิธีการที่นำเสนอสามารถจัดกลุ่มทางเลือกความเสี่ยงออกเป็นประเภทความเสี่ยงที่แตกต่างกันสำหรับแต่ละเกณฑ์โดยกำหนดลักษณะเฉพาะของคะแนนการประเมินทางภาษา เมื่อต้องเผชิญกับทางเลือกอื่นๆ จำนวนมาก วิธีการนี้จะเป็นประโยชน์มากกว่าสำหรับทางเลือกในการตัดสินใจแบบจัดอันดับ
วิธีการที่เสนอต้องการการแก้ไขแบบจำลองการเขียนโปรแกรมเชิงเส้นเพียงรูปแบบเดียวสำหรับแต่ละเกณฑ์ ในขณะที่วิธีอื่นๆ ต้องการคำตอบของแบบจำลองการเขียนโปรแกรมเชิงเส้นหลายรูปแบบสำหรับทุกเกณฑ์
จากความรู้ที่ดีที่สุด ยังไม่มีการศึกษาใดที่ใช้แบบจำลองนี้เพื่อประเมินความเสี่ยงในระบบขนส่งต่อเนื่องหลายรูปแบบ ดังนั้นจึงมีการใช้แบบจำลองลูกผสมที่ใช้วิธี FAHP และ DEA ในการศึกษานี้ DEA ใช้เพื่อสร้างคะแนนความเสี่ยงในท้องถิ่นสำหรับแต่ละเกณฑ์ นอกจากนี้ FAHP ยังใช้เพื่อประเมินการคำนวณน้ำหนักตามลำดับความสำคัญของปัจจัยเสี่ยงอย่างมีประสิทธิภาพ
ส่วนที่ 3กรอบการสร้างแบบจำลอง
ก. ทฤษฎีเซตฟัซซี่
ทฤษฎีเซตคลุมเครือถูกเสนอครั้งแรกโดยซาเดห์[38 ] การสนับสนุนที่สำคัญของทฤษฎีนี้คือความสามารถในการแสดงข้อมูลที่คลุมเครือ ทฤษฎีเซตฟัซซี่มีความคล้ายคลึงกับความคิดของมนุษย์เมื่อแสดงคำที่คลุมเครือ[24]เช่น การประมาณ เกือบ มาก ฯลฯ เซตฟัซซี่คือกลุ่มของวัตถุที่มีความต่อเนื่องของระดับความเป็นสมาชิก ซึ่งแสดงด้วยค่าระหว่าง 0 ถึง 1. ในการศึกษานี้ การวิเคราะห์ความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบดำเนินการโดยใช้ดุลยพินิจของผู้เชี่ยวชาญและแนวคิดชุดคลุมเครือเพื่อกำหนดน้ำหนักของเกณฑ์ต่างๆ ชุดคลุมเครือและตัวแปรทางภาษาถูกนำมาใช้เป็นครั้งแรก ตามด้วยการประยุกต์ใช้กับ AHP [24] , [38 ]
คำจำกัดความ 1:ชุดคลุมเครือก~ ในจักรวาลแห่งวาทกรรมเอ็กซ์ ถูกกำหนดโดยฟังก์ชันสมาชิกในก~( เอ็กซ์) ซึ่งเชื่อมโยงใดๆx∈X โดยมีจำนวนจริงอยู่ในช่วง [0, 1]ในก~( เอ็กซ์) เป็นการแสดงออกถึงระดับสมาชิกของx ในก~ .
คำจำกัดความ 2:ที่ก -ตัดชุดฟัซซี่ก~ เป็นชุดที่คมชัดก~ก= { x |ในก~( เอ็กซ์)≥α} . การสนับสนุนของก~ คือชุดซัปโปโรที่คมชัด(ก~) = { x |ในก~( เอ็กซ์)≥0} . ก~ เป็นเรื่องปกติถ้าหากว่าอาหารเสริมx∈Xในก~( เอ็กซ์)=1 .
คำจำกัดความ 3:เซตย่อยคลุมเครือก~ ของชุดจักรวาลเอ็กซ์ นูนก็ต่อเมื่อเท่านั้นในก~( แลมบ์+ ( 1 − แลมบ์) ย)≥min(ในก~( x ) ,ในก~( และ)) , ∀ x , ย∈X ,λ∈[0,1] โดยที่ |
ษณาที่ตรงเป้าหมาย คุณสามารถเปลี่ยนการตั้งค่าได้ตลอดเวลาหรือยอมรับการตั้งค่าเริ่มต้น คุณสามารถปิดแบนเนอร์นี้เพื่อดำเนินการต่อด้วยคุกกี้ที่จำเป็นเท่านั้น นโยบายความเป็นส่วนตัว
การจัดเก็บข้อมูลแบบที่คุณเลือก
การโฆษณาที่ตรงเป้าหมาย
การปรับการแสดงผลของเว็บไซต์ให้เหมาะกับเฉพาะบุคคล
การวิเคราะห์
บันทึก
ยอมรับทั้งหมด
ปฏิเสธทั้งหมด
ข้ามไปที่เนื้อหาหลัก
IEEE.org
IEEE Xplore
อีอีอีเอสเอ
สเปกตรัม IEEE
เว็บไซต์เพิ่มเติม
ติดตาม
บริจาค
รถเข็น
สร้างบัญชี
เข้าสู่ระบบส่วนบุคคล
โลโก้ IEEE Xplore - ลิงก์ไปยังหน้าแรก
เรียกดู
การตั้งค่าของฉัน
ช่วย
ลงชื่อเข้าใช้สถาบัน
โลโก้ IEEE - ลิงก์ไปยังหน้าแรกของเว็บไซต์หลักของ IEEE
ทั้งหมด
การค้นหาขั้นสูง
วารสารและนิตยสาร> การเข้าถึง IEEE > เล่ม: 8
การวิเคราะห์ความเสี่ยงตามแบบจำลองสองขั้นตอนของ Fuzzy AHP-DEA สำหรับระบบการขนส่งสินค้าต่อเนื่องหลายรูปแบบ
สำนักพิมพ์: IEEE
อ้างอิงสิ่งนี้
ไฟล์ PDF
ระหว่างทางไปแก้วฟ้า; วันนาม ฮวีญ; ในระยะขอบอมรปาละ ; นันทพร รัตติสันทาวเวอร์
ผู้เขียนทั้งหมด
19
อ้างอิงใน
เอกสาร
1455
เต็ม
มุมมองข้อความ
เปิดการเข้าถึง
ความคิดเห็น
ภายใต้สัญญาอนุญาตครีเอทีฟคอมมอนส์
เชิงนามธรรม
ส่วนเอกสาร
ฉัน.
การแนะนำ
ครั้งที่สอง
งานที่เกี่ยวข้อง
สาม.
กรอบการสร้างแบบจำลอง
IV.
กรณีศึกษา
ใน.
บทสรุป ข้อจำกัด และการศึกษาต่อ
แสดงโครงร่างแบบเต็ม
ผู้เขียน
ตัวเลข
อ้างอิง
การอ้างอิง
คำหลัก
เมตริก
เชิงอรรถ
เชิงนามธรรม:
การขนส่งต่อเนื่องหลายรูปแบบกลายเป็นจุดสนใจหลักของระบบโลจิสติกส์ เนื่องจากปัญหาด้านสิ่งแวดล้อม ปัญหาความปลอดภัยทางถนน และความแออัดของการจราจร ส่งผลให้มีความสนใจด้านการวิจัยและนโยบายเกี่ยวกับปัญหาการขนส่งสินค้าต่อเนื่องหลายรูปแบบเพิ่มมากขึ้น อย่างไรก็ตาม มีความท้าทายที่สำคัญในการพัฒนาการขนส่งต่อเนื่องหลายรูปแบบซึ่งเกี่ยวข้องกับความเสี่ยงโดยธรรมชาติและความไม่แน่นอนหลายประการ เนื่องจากความเสี่ยงเป็นภัยคุกคามที่อาจส่งผลกระทบโดยตรงต่อระบบโลจิสติกส์และการขนส่ง จึงควรดำเนินการวิเคราะห์ความเสี่ยงอย่างครอบคลุม การวิเคราะห์ความเสี่ยงเป็นกระบวนการที่สำคัญในการระบุและวิเคราะห์ประเด็นสำคัญเพื่อช่วยอุตสาหกรรมลดความเสี่ยงเหล่านั้น อย่างไรก็ตาม การระบุและจัดลำดับความสำคัญของความเสี่ยงมีความซับซ้อนมากขึ้นเนื่องจากความคลุมเครือของข้อมูลที่เกี่ยวข้อง การศึกษานี้เสนอการบูรณาการกระบวนการลำดับชั้นการวิเคราะห์แบบคลุมเครือ (FAHP) และการวิเคราะห์การห่อหุ้มข้อมูล (DEA) เพื่อระบุและประเมินความเสี่ยงเชิงปริมาณ วิธีการ FAHP-DEA ที่เสนอใช้วิธีการ FAHP เพื่อกำหนดน้ำหนักของเกณฑ์ความเสี่ยงแต่ละข้อ วิธี DEA ใช้เพื่อประเมินตัวแปรทางภาษาและสร้างคะแนนความเสี่ยง วิธีการเพิ่มน้ำหนักแบบบวก (SAW) แบบง่ายใช้เพื่อรวมคะแนนความเสี่ยงภายใต้เกณฑ์ความเสี่ยงที่แตกต่างกันให้เป็นคะแนนความเสี่ยงโดยรวม กรณีศึกษาของอุตสาหกรรมถ่านหินแสดงให้เห็นว่าแบบจำลองการวิเคราะห์ความเสี่ยงที่นำเสนอนั้นใช้ได้จริง และช่วยให้ผู้ใช้จัดลำดับความสำคัญของความเสี่ยงได้แม่นยำยิ่งขึ้นในขณะที่เลือกเส้นทางการขนส่งต่อเนื่องหลายรูปแบบที่เหมาะสมที่สุด กระบวนการนี้ทำให้ผู้ใช้ให้ความสนใจกับความเสี่ยงที่มีลำดับความสำคัญสูงและมีประโยชน์สำหรับอุตสาหกรรมในการเพิ่มประสิทธิภาพเส้นทางการขนส่งต่อเนื่องหลายรูปแบบภายใต้เกณฑ์การตัดสินใจความเสี่ยง
โครงข่ายการขนส่งสินค้าต่อเนื่องหลายรูปแบบ
โครงข่ายการขนส่งสินค้าต่อเนื่องหลายรูปแบบ
เผยแพร่ใน: IEEE Access ( Volume: 8 )
หน้า: 153756 - 153773
วันที่ตีพิมพ์: 21 สิงหาคม 2020
ISSN อิเล็กทรอนิกส์: 2169-3536
ดอย: 10.1109/ACCESS.2020.3018669
สำนักพิมพ์: IEEE
หน่วยงานให้ทุน:
CCBY - IEEE ไม่ใช่ผู้ถือลิขสิทธิ์ของเนื้อหานี้ โปรดปฏิบัติตามคำแนะนำผ่านทางhttps :// www . org / ใบอนุญาต/ โดย/ 4 . 0 /เพื่อรับบทความฉบับเต็มและข้อกำหนดในเอกสารประกอบ API
ส่วนที่ 1การแนะนำ
การขนส่งสินค้าเป็นองค์ประกอบสำคัญของห่วงโซ่อุปทานในการจัดเตรียมวัตถุดิบและสินค้าสำเร็จรูปให้พร้อมทันเวลาและการเคลื่อนย้ายที่มีประสิทธิภาพ[1 ] เนื่องจากการค้าโลกาภิวัตน์ โหมดเฉพาะรถบรรทุกแบบดั้งเดิมจึงไม่ใช่วิธีแก้ปัญหาที่เป็นไปได้สำหรับทุกสถานการณ์อีกต่อไป นอกจากนี้ ยังคำนึงถึงปัญหาการจราจรติดขัด ความปลอดภัยทางถนน และสิ่งแวดล้อมเป็นวาระสำคัญด้วย ด้วยเหตุนี้ นโยบายการขนส่งของสหภาพยุโรปจึงมีจุดมุ่งหมายเพื่อลดการขนส่งทางถนนโดยหันมาใช้รูปแบบการขนส่งที่ก่อให้เกิดมลพิษน้อยลงและประหยัดพลังงานมากขึ้น ปัจจุบันการขนส่งต่อเนื่องหลายรูปแบบถือเป็นองค์ประกอบสำคัญของระบบการขนส่งสมัยใหม่
อย่างไรก็ตาม เมื่อมุ่งเน้นไปที่ระบบการขนส่งสินค้าต่อเนื่องหลายรูปแบบ ปัญหาต่างๆ จะเห็นได้มากมาย[1] – [ 5 ] เนื่องจากการขนส่งต่อเนื่องหลายรูปแบบประกอบด้วยปัจจัยหลายอย่างและการมีปฏิสัมพันธ์ระหว่างรูปแบบที่แตกต่างกันจึงค่อนข้างซับซ้อน[2]ซึ่งนำไปสู่ความเสี่ยงและความไม่แน่นอนที่เพิ่มขึ้น[3 ] ความเสี่ยงคือภัยคุกคามที่อาจเกิดขึ้นซึ่งส่งผลกระทบทันทีต่อระบบขนส่ง[6 ] โดยเฉพาะอย่างยิ่งในการขนส่งต่อเนื่องหลายรูปแบบ ความเสี่ยงที่เกี่ยวข้องโดยตรงกับอุบัติเหตุมีบทบาทสำคัญในไม่เพียงแต่ส่งผลกระทบต่อต้นทุนและเวลาเท่านั้น แต่ยังช่วยลดความได้เปรียบทางการแข่งขันด้วย[7 ] นอกจากนี้ ความเสี่ยงอาจรบกวนกระบวนการโลจิสติกส์ ส่งผลกระทบต่อความทันเวลาในการจัดส่ง และทำให้เกิดความเสียหายต่อค่าขนส่ง และต้นทุนหรือความล่าช้าที่ไม่คาดคิด[3] , [7] – [ 9 ]
มีสถานการณ์อุบัติเหตุที่เป็นไปได้สูงจำนวนมากในระบบการขนส่งสินค้า[10] – [ 12 ] เพื่อประเมินและลดผลกระทบของสถานการณ์เหล่านั้น การวิเคราะห์ความเสี่ยงเป็นเครื่องมือสำคัญที่ใช้ในการหารือเกี่ยวกับลักษณะและผลกระทบของความเสี่ยงที่เกี่ยวข้องกับการขนส่งสินค้า อย่างไรก็ตาม เมื่อพิจารณาการรับรู้ความเสี่ยงในการขนส่ง การศึกษาส่วนใหญ่จะเน้นเฉพาะโหมดถนน เรือ ทางรถไฟ หรือทางอากาศเท่านั้น มีการศึกษาน้อยมากที่มุ่งเน้นไปที่ความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบ[3] , [7] , [13 ]
การวิเคราะห์ความเสี่ยงเป็นกระบวนการในการจำแนกลักษณะและกำหนดอันตราย ประกอบด้วยสองขั้นตอนหลัก: ขั้นตอนเชิงคุณภาพของการจำแนกประเภทอันตราย และขั้นตอนเชิงปริมาณของการประเมินความเสี่ยง ระยะหลังรวมถึงการประมาณความเป็นไปได้และความรุนแรงของอันตรายแต่ละอย่าง การวิเคราะห์ความเสี่ยงในการขนส่งสามารถกำหนดได้ว่าเป็นปัญหาการตัดสินใจหลายเกณฑ์ (MCDM) และเสนอแบบจำลองเชิงคุณภาพเป็นหลักซึ่งขึ้นอยู่กับการประเมินเชิงอัตนัย[7] , [14] , [15 ]
นอกจากนี้ แบบจำลองเชิงปริมาณยังมีความซับซ้อนเมื่อเกี่ยวข้องกับความไม่แน่นอนและความคลุมเครือของกระบวนการตัดสินใจของมนุษย์ ด้วยเหตุนี้ ลักษณะแบบไดนามิกของการขนส่งต่อเนื่องหลายรูปแบบจึงนำไปสู่ปัญหาที่ซับซ้อนในกระบวนการวิเคราะห์ความเสี่ยง ตัวอย่างเช่น ในกระบวนการจำแนกความเสี่ยง จำเป็นต้องมีวิธีการในการจัดลำดับความสำคัญของความเสี่ยงโดยพิจารณาจากการตัดสินใจของผู้เชี่ยวชาญหลายราย
ดังนั้น ควรตระหนักถึง MCDM ที่เหมาะสมสำหรับการวิเคราะห์ความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบ ในขณะเดียวกันก็แก้ไขปัญหาข้อขัดแย้งและการพึ่งพาอาศัยกันหลายประการได้อย่างมีประสิทธิภาพ[14 ] เพื่อเอาชนะความยากลำบาก การศึกษานี้เสนอกรอบการทำงานใหม่สำหรับการวิเคราะห์ความเสี่ยงในระบบการขนส่งสินค้าต่อเนื่องหลายรูปแบบบนพื้นฐานของแนวทาง FAHP-DEA ใช้วิธี FAHP เพื่อกำหนดน้ำหนักของแต่ละเกณฑ์ นอกจากนี้ FAHP ยังสามารถจัดการกับความคลุมเครือและความเป็นส่วนตัวของการตัดสินของมนุษย์ได้ วิธี DEA ใช้เพื่อกำหนดเกรดการประเมินในแง่ภาษาศาสตร์ และเพื่อสร้างคะแนนความเสี่ยงในท้องถิ่น ท้ายที่สุด วิธี SAW ช่วยให้สามารถรวมคะแนนความเสี่ยงในท้องถิ่นเป็นคะแนนความเสี่ยงโดยรวมสำหรับทางเลือกในการตัดสินใจแต่ละรายการ แนวทางดังกล่าวแสดงให้เห็นเส้นทางการขนส่งถ่านหินหลายรูปแบบที่เกิดขึ้นจริงในประเทศไทย เพื่อตรวจสอบความถูกต้องของแบบจำลองและผลลัพธ์ จะมีการดำเนินการจัดอันดับสหสัมพันธ์ของสเปียร์แมนและการวิเคราะห์สหสัมพันธ์แบบเพียร์สันในแต่ละวิธี MCDM ที่ได้รับการศึกษา
การมีส่วนร่วมที่สำคัญของการศึกษานี้สามารถสรุปได้ดังนี้:
แบบจำลอง FAHP-DEA ใหม่ที่นำเสนอมีประสิทธิภาพการแข่งขันเมื่อเปรียบเทียบกับเทคนิคอื่นๆ ในการประเมินความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบ เพื่อหลีกเลี่ยงการเปรียบเทียบแบบคู่ในวิธี FAHP จำนวนมาก แบบจำลองที่นำเสนอกำหนดให้ผู้เชี่ยวชาญจัดทำการเปรียบเทียบแบบคู่ตามเกณฑ์การตัดสินใจเท่านั้น นอกจากนี้ คำศัพท์ทางภาษา เช่น สูงมาก สูง ปานกลาง ต่ำ และต่ำมาก ถูกนำมาใช้เพื่อทำให้การประเมินของผู้เชี่ยวชาญง่ายขึ้นเมื่อเลือกคะแนนความเสี่ยงในวิธี DEA ดังนั้น แบบจำลองนี้จึงไม่มีการสังเคราะห์เมทริกซ์การเปรียบเทียบแบบคู่ และต้องการเพียงการคำนวณอย่างง่ายเท่านั้น
การศึกษานี้เสนอกรอบการวิเคราะห์ความเสี่ยงที่ถูกต้องเพื่อลดอคติในการประเมินความเสี่ยง และเพื่อช่วยพัฒนาระบบสนับสนุนการตัดสินใจใหม่สำหรับการประเมินความเสี่ยงเชิงปริมาณในการขนส่งต่อเนื่องหลายรูปแบบ ใช้ระบบความคิดเห็นของผู้เชี่ยวชาญเชิงคุณภาพเพื่อจัดการความเสี่ยงส่วนบุคคลในการขนส่งสินค้าต่อเนื่องหลายรูปแบบ นอกจากนี้ แบบจำลองที่นำเสนอยังรวมทฤษฎีเซตคลุมเครือเพื่อลดความซับซ้อนและความไม่แน่นอนที่เกี่ยวข้องกับการวิเคราะห์ความเสี่ยง การศึกษานี้นำเสนอข้อมูลเชิงลึกที่เป็นประโยชน์แก่นักวิจัยและผู้ปฏิบัติงานในการวิเคราะห์และจัดลำดับความสำคัญความเสี่ยงด้านการขนส่ง ตลอดจนการปรับเส้นทางให้เหมาะสมภายใต้เกณฑ์การตัดสินใจความเสี่ยง
กรณีศึกษาของการวิเคราะห์ความเสี่ยงจะถูกนำเสนอควบคู่ไปกับการมีส่วนร่วมในวรรณกรรมโดยแนะนำรายการแบบองค์รวมของปัจจัยที่เป็นไปได้ที่ส่งผลต่อความเสี่ยงทั่วไป 5 ประเภท รวมถึงความเสี่ยงจากความเสียหายจากการขนส่งสินค้า ความเสี่ยงด้านโครงสร้างพื้นฐาน ความเสี่ยงในการปฏิบัติงาน ความเสี่ยงด้านความปลอดภัย และความเสี่ยงด้านสิ่งแวดล้อม ความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบระบุเป็น 2 ระยะตามลำดับโดยใช้แนวทางการวิจัยทั้งเชิงคุณภาพและเชิงปริมาณ การจำแนกประเภทที่ครอบคลุมนี้ไม่เพียงแต่ช่วยให้นักวิจัยและผู้ปฏิบัติงานสามารถระบุและจำแนกปัจจัยเสี่ยงที่อาจเกิดขึ้นได้ แต่ยังเป็นจุดเริ่มต้นสำหรับการสร้างแบบจำลองดัชนีความเสี่ยงด้านการขนส่งที่ใช้กับกระบวนการขนส่งต่อเนื่องหลายรูปแบบ
ส่วนที่เหลือของบทความนี้มีการจัดระเบียบดังนี้ งานที่เกี่ยวข้องจะถูกนำเสนอโดยย่อใน ส่วน ที่II ส่วนที่ 3จะแนะนำกรอบงานการสร้างแบบจำลองของแบบจำลอง FAHP และ DEA ส่วนที่ 4แสดงให้เห็นกรณีศึกษาเชิงปฏิบัติ สุดท้าย ข้อสรุป ข้อจำกัด และงานในอนาคตจะถูกนำเสนอใน ส่วน ที่5
ส่วนที่ 2งานที่เกี่ยวข้อง
การวิเคราะห์ความเสี่ยงเป็นกระบวนการที่เป็นระบบในการประเมินผลกระทบ การเกิด และผลของกิจกรรมหรือระบบของมนุษย์ กระบวนการวิเคราะห์ความเสี่ยงแบบดั้งเดิมประกอบด้วยขั้นตอนต่อไปนี้[3] , [16] : การระบุความเสี่ยง การประเมินความเสี่ยง และการบริหารความเสี่ยงและการติดตามการดำเนินการ ความหลากหลายของเทคนิคการวิเคราะห์ความเสี่ยงทำให้มั่นใจได้ว่ามีเทคนิคที่เหมาะสมสำหรับทุกสถานการณ์
มีการเสนอวิธีการต่างๆ ไว้ในเอกสารการวิเคราะห์ความเสี่ยง มีการศึกษาจำนวนมากที่ดำเนินการโดยใช้วิธี MCDM เพื่อวิเคราะห์ความเสี่ยงที่สำคัญ คารามูเซียนและคณะ [14]เสนอห้องปฏิบัติการทดลองและประเมินผลการตัดสินใจแบบไฮบริดและแบบจำลองกระบวนการเครือข่ายการวิเคราะห์ (DEMATEL-ANP) เพื่อจัดลำดับความสำคัญความเสี่ยงในโครงการก่อสร้าง ผลลัพธ์ที่ได้นำเสนอปัจจัยเสี่ยงที่สำคัญและกำหนดความสัมพันธ์ระหว่างกันในกรณีศึกษา อิลังกุมารันและคณะ [17]ใช้กระบวนการเครือข่ายการวิเคราะห์ (ANP) และแนวทางภาษาศาสตร์คลุมเครือเพื่อประเมินความเสี่ยงในสภาพแวดล้อมที่ร้อนของอุตสาหกรรมโรงหล่อ ยาซดีและคณะ [18]ใช้วิธีการที่ดีที่สุด-แย่ที่สุด (BWM) เพื่อการวิเคราะห์ความเสี่ยงที่เชื่อถือได้ โดยยึดตามรูปแบบการตัดสินใจแบบประชาธิปไตยและเผด็จการ แท้จริงและคณะ [19]เสนอโหมดความล้มเหลวและการวิเคราะห์ผลกระทบ (FMEA) ซึ่งใช้ MCDM และได้รับการพัฒนาโดยการบูรณาการวิธีการคร่าวๆ ที่ดีที่สุด-แย่ที่สุด (BWM) นอกจากนี้ ยังมีการใช้เทคนิคสำหรับการสั่งซื้อตามความคล้ายคลึงกับโซลูชันในอุดมคติ (TOPSIS) เพื่อประเมินปัจจัยเสี่ยงในเครื่องมือกล Matthews [20]ศึกษาองค์กรการบริหารความเสี่ยงและแนวทางปฏิบัติโดยใช้ระเบียบวิธี DEA ผลการวิจัยแสดงให้เห็นถึงความสำคัญของการประเมินความเสี่ยงในอุตสาหกรรมการธนาคาร ชิและคณะ [21]ใช้ตรรกะคลุมเครือกับปปส. เพื่อตรวจสอบความเสี่ยงของโครงการก่อสร้างในประเทศจีน สเควาสและคณะ [22]ใช้วิธี DEA เพื่อตรวจสอบประสิทธิภาพของฟาร์มโดยผสมผสานสารกำจัดศัตรูพืชที่หกล้นด้านสิ่งแวดล้อมตลอดจนปัจจัยการผลิตอื่น ๆ ที่เกี่ยวข้องกับความเสี่ยงในการผลิต วังและคณะ [23]แนะนำวิธี AHP-DEA สำหรับการประเมินความเสี่ยงของสะพาน และแสดงให้เห็นว่าวิธีการนี้ง่ายและใช้ได้กับกรณีศึกษา เก่งพลและท้วมมี[7]พัฒนาเครื่องมือประเมินความเสี่ยงเพื่อระบุความเสี่ยงด้านลอจิสติกส์ต่อเนื่องหลายรูปแบบโดยใช้กระบวนการวิเคราะห์ลำดับชั้น (AHP) และการวิเคราะห์การห่อหุ้มข้อมูล (DEA) เอกสารที่กล่าวมาข้างต้นบ่งชี้ถึงความสำคัญของการวิเคราะห์ความเสี่ยงในด้านต่างๆ นอกจากนี้ งานล่าสุดได้ใช้แบบจำลอง DEA เพื่อพัฒนาแบบจำลองการวิเคราะห์ความเสี่ยง
การวิเคราะห์การห่อหุ้มข้อมูล (DEA) เป็นเครื่องมือการประเมินที่เกี่ยวข้องกับหน่วยการตัดสินใจ (DMU) ที่แตกต่างกัน สามารถแก้ไขปัญหาที่ซับซ้อนมากมายได้โดยการบูรณาการอินพุตและเอาต์พุตหลายรายการพร้อมกันโดยใช้อัตราส่วนของผลรวมน้ำหนักที่จำกัดของเอาต์พุตต่อผลรวมน้ำหนักที่จำกัดของอินพุต[7] , [24] – [ 26 ] ในช่วงหลายปีที่ผ่านมา มีงานวิจัยจำนวนมากใช้วิธีการ DEA เพื่อวิเคราะห์ความเสี่ยงในด้านต่างๆ กรอบการทำงานของ DEA ได้ถูกนำไปใช้ในหลากหลายด้าน รวมถึงการประเมินประสิทธิภาพการบริการ[25] , [27]ประสิทธิภาพของโรงพยาบาล[28]การเลือกซัพพลายเออร์[29]และการขนส่ง[30] – [ 33 ]
อย่างไรก็ตาม วิธี DEA เป็นแนวทางการเขียนโปรแกรมเชิงเส้นแบบไม่มีพารามิเตอร์ ซึ่งจะประเมินประสิทธิภาพสัมพัทธ์ของเพื่อน DMU [7] , [21 ] การกำหนดน้ำหนักของตัวบ่งชี้ผลลัพธ์เกี่ยวข้องกับปัญหาการตัดสินใจหลายเกณฑ์ (MCDM) [25 ] มีการใช้วิธีการ MCDM หลายวิธีในการกำหนดน้ำหนักเกณฑ์ รวมถึงกระบวนการลำดับชั้นการวิเคราะห์ (AHP) AHP เหมาะอย่างยิ่งสำหรับการสร้างแบบจำลองและการถ่วงน้ำหนักข้อมูลเชิงคุณภาพด้วยระดับคะแนน 9 จุดที่คมชัด[24]และใช้การเปรียบเทียบแบบคู่สำหรับแต่ละเกณฑ์[8] มันถูกนำไปใช้ในการวิจัยต่างๆ รวมถึงการประเมิน การคัดเลือก และการพยากรณ์[7] , [8] , [23] , [34 ] อย่างไรก็ตาม AHP ไม่เหมาะเมื่อมีรายการจำนวนมากที่ต้องพิจารณาและจัดลำดับความสำคัญ เนื่องจากสามารถเปรียบเทียบทางเลือกในการตัดสินใจได้เพียงจำนวนจำกัด[24 ] นอกจากนี้ ข้อจำกัดอีกประการหนึ่งของ AHP แบบดั้งเดิมก็คือผู้เชี่ยวชาญไม่สามารถแสดงการตัดสินของตนเองด้วยค่าที่ชัดเจนในระดับการให้คะแนนได้ ทฤษฎีเซตคลุมเครือสามารถนำมาใช้แก้ข้อจำกัดได้ เนื่องจากทฤษฎีเซตนี้ให้ความแข็งแกร่งด้านตัวเลขในการจับความไม่แน่นอนที่เกี่ยวข้องกับกระบวนการรับรู้ของมนุษย์[24 ] เพื่อเอาชนะปัญหาเหล่านี้ ทฤษฎีเซตคลุมเครือที่บูรณาการกับ AHP จะถูกดำเนินการเพื่อจัดการกับความไม่แน่นอนและปัญหาที่ซับซ้อนเหล่านี้ที่เกี่ยวข้องกับสภาพแวดล้อมในการตัดสินใจ[21] , [31] , [35] – [ 37]
ดังนั้น การบูรณาการ FAHP และ DEA จึงกลายเป็นวิธีที่มีประสิทธิภาพในการจัดการกับปัจจัยนำเข้าและผลลัพธ์ที่หลากหลายของการวิเคราะห์ความเสี่ยง ตัวอย่างเช่น Vencheh และ Mohamadghasemi [24]ใช้แบบจำลองลูกผสมของ FAHP และ DEA สำหรับการจำแนกประเภทสินค้าคงคลังตามเกณฑ์หลายเกณฑ์ พวกเขาแสดงให้เห็นว่าแนวทาง FAHP-DEA แบบบูรณาการนั้นง่ายมากและสามารถใช้ได้กับปัญหาที่มีทางเลือกในการตัดสินใจจำนวนมาก ชิและคณะ [21]ใช้ตรรกศาสตร์คลุมเครือและ DEA เพื่อตรวจสอบการจัดการความเสี่ยงในการส่งมอบในการก่อสร้าง และพิสูจน์ว่าวิธีการเหล่านั้นสามารถลดอคติในการประเมินความเสี่ยงได้ Diouf และ Kwak [29]นำเสนอแบบจำลองแนวความคิดตามทฤษฎีเซตคลุมเครือ, AHP และ DEA สำหรับการคัดเลือกซัพพลายเออร์
การศึกษาวิจัยก่อนหน้านี้ระบุว่าการบูรณาการ FAHP และ DEA ถูกนำมาใช้กันอย่างแพร่หลายและเหมาะสมสำหรับการดำเนินการวิเคราะห์ความเสี่ยง โมเดล FAHP และ DEA ที่รวมกันสามารถจัดการกับข้อมูลทั้งเชิงคุณภาพและเชิงปริมาณ[7 ] นอกจากนี้ การตัดสินใจจัดอันดับยังใช้งานได้จริงและง่ายกว่าเมื่อเทียบกับตัวเลือกอื่นๆ จำนวนมาก
วิธีการบูรณาการ FAHP–DEA ที่เสนอมีข้อดีเหนือกว่าวิธีที่มีลำดับความสำคัญสัมบูรณ์[23] – [ 25] :
วิธีการ FAHP-DEA ที่นำเสนอนั้นมีประสิทธิภาพและตรงไปตรงมามากกว่าเทคนิคอื่นๆ การดำเนินการ FAHP-DEA จะพิจารณาลำดับความสำคัญของปัจจัยต่างๆ และเป็นทางเลือกที่ดีที่สุด นอกจากนี้ FAHP ยังสามารถยืนยันความสอดคล้องของการตอบสนองโดยการเปรียบเทียบออบเจ็กต์ที่มีคุณลักษณะหลายรายการตามโครงสร้างลำดับชั้น นอกจากนี้ ความซ้ำซ้อนของการเปรียบเทียบแบบคู่ทำให้แบบจำลอง FAHP-DEA มีความไวต่อข้อผิดพลาดในการประเมินน้อยลง
วิธีการที่นำเสนอสามารถจัดกลุ่มทางเลือกความเสี่ยงออกเป็นประเภทความเสี่ยงที่แตกต่างกันสำหรับแต่ละเกณฑ์โดยกำหนดลักษณะเฉพาะของคะแนนการประเมินทางภาษา เมื่อต้องเผชิญกับทางเลือกอื่นๆ จำนวนมาก วิธีการนี้จะเป็นประโยชน์มากกว่าสำหรับทางเลือกในการตัดสินใจแบบจัดอันดับ
วิธีการที่เสนอต้องการการแก้ไขแบบจำลองการเขียนโปรแกรมเชิงเส้นเพียงรูปแบบเดียวสำหรับแต่ละเกณฑ์ ในขณะที่วิธีอื่นๆ ต้องการคำตอบของแบบจำลองการเขียนโปรแกรมเชิงเส้นหลายรูปแบบสำหรับทุกเกณฑ์
จากความรู้ที่ดีที่สุด ยังไม่มีการศึกษาใดที่ใช้แบบจำลองนี้เพื่อประเมินความเสี่ยงในระบบขนส่งต่อเนื่องหลายรูปแบบ ดังนั้นจึงมีการใช้แบบจำลองลูกผสมที่ใช้วิธี FAHP และ DEA ในการศึกษานี้ DEA ใช้เพื่อสร้างคะแนนความเสี่ยงในท้องถิ่นสำหรับแต่ละเกณฑ์ นอกจากนี้ FAHP ยังใช้เพื่อประเมินการคำนวณน้ำหนักตามลำดับความสำคัญของปัจจัยเสี่ยงอย่างมีประสิทธิภาพ
ส่วนที่ 3กรอบการสร้างแบบจำลอง
ก. ทฤษฎีเซตฟัซซี่
ทฤษฎีเซตคลุมเครือถูกเสนอครั้งแรกโดยซาเดห์[38 ] การสนับสนุนที่สำคัญของทฤษฎีนี้คือความสามารถในการแสดงข้อมูลที่คลุมเครือ ทฤษฎีเซตฟัซซี่มีความคล้ายคลึงกับความคิดของมนุษย์เมื่อแสดงคำที่คลุมเครือ[24]เช่น การประมาณ เกือบ มาก ฯลฯ เซตฟัซซี่คือกลุ่มของวัตถุที่มีความต่อเนื่องของระดับความเป็นสมาชิก ซึ่งแสดงด้วยค่าระหว่าง 0 ถึง 1. ในการศึกษานี้ การวิเคราะห์ความเสี่ยงในการขนส่งต่อเนื่องหลายรูปแบบดำเนินการโดยใช้ดุลยพินิจของผู้เชี่ยวชาญและแนวคิดชุดคลุมเครือเพื่อกำหนดน้ำหนักของเกณฑ์ต่างๆ ชุดคลุมเครือและตัวแปรทางภาษาถูกนำมาใช้เป็นครั้งแรก ตามด้วยการประยุกต์ใช้กับ AHP [24] , [38 ]
คำจำกัดความ 1:ชุดคลุมเครือก~ ในจักรวาลแห่งวาทกรรมเอ็กซ์ ถูกกำหนดโดยฟังก์ชันสมาชิกในก~( เอ็กซ์) ซึ่งเชื่อมโยงใดๆx∈X โดยมีจำนวนจริงอยู่ในช่วง [0, 1]ในก~( เอ็กซ์) เป็นการแสดงออกถึงระดับสมาชิกของx ในก~ .
คำจำกัดความ 2:ที่ก -ตัดชุดฟัซซี่ก~ เป็นชุดที่คมชัดก~ก= { x |ในก~( เอ็กซ์)≥α} . การสนับสนุนของก~ คือชุดซัปโปโรที่คมชัด(ก~) = { x |ในก~( เอ็กซ์)≥0} . ก~ เป็นเรื่องปกติถ้าหากว่าอาหารเสริมx∈Xในก~( เอ็กซ์)=1 .
คำจำกัดความ 3:เซตย่อยคลุมเครือก~ ของชุดจักรวาลเอ็กซ์ นูนก็ต่อเมื่อเท่านั้นในก~( แลมบ์+ ( 1 − แลมบ์) ย)≥min(ในก~( x ) ,ในก~( และ)) , ∀ x , ย∈X ,λ∈[0,1] โดยที่ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
Essay | Using the coal industry case study, please explain how the proposed risk analysis model is practical and aids in prioritizing risks. Discuss how this model can be beneficial for industries in optimizing multimodal transportation routes under risk decision criteria.
|
อย่างไรก็ตาม วิธี AHP แบบเดิมไม่สามารถจัดการกับปัญหาที่คลุมเครือได้ เพื่อบรรเทาข้อบกพร่อง จึงมีการใช้ AHP แบบคลุมเครือเพื่อแก้ไขปัญหาที่ไม่แน่นอนได้แม่นยำยิ่งขึ้น ด้วย AHP แบบคลุมเครือ การเปรียบเทียบเกณฑ์และทางเลือกแบบคู่จะดำเนินการผ่านตัวแปรทางภาษาที่แสดงเป็นตัวเลขฟัซซี่สามเหลี่ยม (TFN) การวิจัยต่างๆ[24] , [35] , [36]ได้ประยุกต์ FAHP เพื่อจัดการกับความไม่แน่นอนของข้อมูล ในบรรดาวิธีการต่างๆ Chang [40]เสนอวิธีการวิเคราะห์ขอบเขตเพื่อหาน้ำหนักสำหรับเมทริกซ์การเปรียบเทียบแบบคลุมเครือ มีการนำไปใช้ในหลายแอปพลิเคชันเพื่อความเรียบง่ายในการคำนวณ[41] – [ 43 ] อัลกอริทึมสามารถอธิบายได้ดังต่อไปนี้:
อนุญาตเอ็กซ์={x1,x2,…,xn} เป็นชุดวัตถุและใน={ใน1,ใน2,…,ในม} เป็นเป้าหมายที่ตั้งไว้ ตามวิธีการวิเคราะห์ขอบเขตของ Chang [40]แต่ละวัตถุจะถูกนำไปใช้และการวิเคราะห์ขอบเขตสำหรับแต่ละเป้าหมายกฉัน ดำเนินการทำให้สามารถรับค่าของม การวิเคราะห์ขอบเขตที่สามารถแสดงให้เห็นได้เป็นม1กฉัน,ม2กฉัน,…,มมกฉันฉัน=1 , 2 , … , น ที่ไหนทั้งหมดมเจกฉัน( เจ= 1 , 2 , . . , ม. ) เป็น TFN
ขั้นตอนการวิเคราะห์ขอบเขตของช้างสามารถกำหนดได้ดังนี้[43] :
ขั้นตอนที่ 1:ค่าของขอบเขตการสังเคราะห์แบบคลุมเครือเทียบกับฉันไทย_ วัตถุถูกกำหนดเป็น:
สฉัน=∑เจ= 1มมเจกฉัน ⨂[∑ฉัน= 1n∑เจ= 1มมเจกฉัน]−1(2)
ดูแหล่งที่มาคลิกขวาที่รูปเพื่อดู MathML และคุณสมบัติเพิ่มเติมที่จะได้รับ∑มเจ= 1มเจกฉัน การดำเนินการบวกแบบคลุมเครือของม ค่าการวิเคราะห์ขอบเขตสำหรับเมทริกซ์เฉพาะจะดำเนินการเช่นนั้น |
|
อย่างไรก็ตาม วิธี AHP แบบเดิมไม่สามารถจัดการกับปัญหาที่คลุมเครือได้ เพื่อบรรเทาข้อบกพร่อง จึงมีการใช้ AHP แบบคลุมเครือเพื่อแก้ไขปัญหาที่ไม่แน่นอนได้แม่นยำยิ่งขึ้น ด้วย AHP แบบคลุมเครือ การเปรียบเทียบเกณฑ์และทางเลือกแบบคู่จะดำเนินการผ่านตัวแปรทางภาษาที่แสดงเป็นตัวเลขฟัซซี่สามเหลี่ยม (TFN) การวิจัยต่างๆ[24] , [35] , [36]ได้ประยุกต์ FAHP เพื่อจัดการกับความไม่แน่นอนของข้อมูล ในบรรดาวิธีการต่างๆ Chang [40]เสนอวิธีการวิเคราะห์ขอบเขตเพื่อหาน้ำหนักสำหรับเมทริกซ์การเปรียบเทียบแบบคลุมเครือ มีการนำไปใช้ในหลายแอปพลิเคชันเพื่อความเรียบง่ายในการคำนวณ[41] – [ 43 ] อัลกอริทึมสามารถอธิบายได้ดังต่อไปนี้:
อนุญาตเอ็กซ์={x1,x2,…,xn} เป็นชุดวัตถุและใน={ใน1,ใน2,…,ในม} เป็นเป้าหมายที่ตั้งไว้ ตามวิธีการวิเคราะห์ขอบเขตของ Chang [40]แต่ละวัตถุจะถูกนำไปใช้และการวิเคราะห์ขอบเขตสำหรับแต่ละเป้าหมายกฉัน ดำเนินการทำให้สามารถรับค่าของม การวิเคราะห์ขอบเขตที่สามารถแสดงให้เห็นได้เป็นม1กฉัน,ม2กฉัน,…,มมกฉันฉัน=1 , 2 , … , น ที่ไหนทั้งหมดมเจกฉัน( เจ= 1 , 2 , . . , ม. ) เป็น TFN
ขั้นตอนการวิเคราะห์ขอบเขตของช้างสามารถกำหนดได้ดังนี้[43] :
ขั้นตอนที่ 1:ค่าของขอบเขตการสังเคราะห์แบบคลุมเครือเทียบกับฉันไทย_ วัตถุถูกกำหนดเป็น:
สฉัน=∑เจ= 1มมเจกฉัน ⨂[∑ฉัน= 1n∑เจ= 1มมเจกฉัน]−1(2)
ดูแหล่งที่มาคลิกขวาที่รูปเพื่อดู MathML และคุณสมบัติเพิ่มเติมที่จะได้รับ∑มเจ= 1มเจกฉัน การดำเนินการบวกแบบคลุมเครือของม ค่าการวิเคราะห์ขอบเขตสำหรับเมทริกซ์เฉพาะจะดำเนินการเช่นนั้น |
อย่างไรก็ตาม วิธี AHP แบบเดิมไม่สามารถจัดการกับปัญหาที่คลุมเครือได้ เพื่อบรรเทาข้อบกพร่อง จึงมีการใช้ AHP แบบคลุมเครือเพื่อแก้ไขปัญหาที่ไม่แน่นอนได้แม่นยำยิ่งขึ้น ด้วย AHP แบบคลุมเครือ การเปรียบเทียบเกณฑ์และทางเลือกแบบคู่จะดำเนินการผ่านตัวแปรทางภาษาที่แสดงเป็นตัวเลขฟัซซี่สามเหลี่ยม (TFN) การวิจัยต่างๆ[24] , [35] , [36]ได้ประยุกต์ FAHP เพื่อจัดการกับความไม่แน่นอนของข้อมูล ในบรรดาวิธีการต่างๆ Chang [40]เสนอวิธีการวิเคราะห์ขอบเขตเพื่อหาน้ำหนักสำหรับเมทริกซ์การเปรียบเทียบแบบคลุมเครือ มีการนำไปใช้ในหลายแอปพลิเคชันเพื่อความเรียบง่ายในการคำนวณ[41] – [ 43 ] อัลกอริทึมสามารถอธิบายได้ดังต่อไปนี้:
อนุญาตเอ็กซ์={x1,x2,…,xn} เป็นชุดวัตถุและใน={ใน1,ใน2,…,ในม} เป็นเป้าหมายที่ตั้งไว้ ตามวิธีการวิเคราะห์ขอบเขตของ Chang [40]แต่ละวัตถุจะถูกนำไปใช้และการวิเคราะห์ขอบเขตสำหรับแต่ละเป้าหมายกฉัน ดำเนินการทำให้สามารถรับค่าของม การวิเคราะห์ขอบเขตที่สามารถแสดงให้เห็นได้เป็นม1กฉัน,ม2กฉัน,…,มมกฉันฉัน=1 , 2 , … , น ที่ไหนทั้งหมดมเจกฉัน( เจ= 1 , 2 , . . , ม. ) เป็น TFN
ขั้นตอนการวิเคราะห์ขอบเขตของช้างสามารถกำหนดได้ดังนี้[43] :
ขั้นตอนที่ 1:ค่าของขอบเขตการสังเคราะห์แบบคลุมเครือเทียบกับฉันไทย_ วัตถุถูกกำหนดเป็น:
สฉัน=∑เจ= 1มมเจกฉัน ⨂[∑ฉัน= 1n∑เจ= 1มมเจกฉัน]−1(2)
ดูแหล่งที่มาคลิกขวาที่รูปเพื่อดู MathML และคุณสมบัติเพิ่มเติมที่จะได้รับ∑มเจ= 1มเจกฉัน การดำเนินการบวกแบบคลุมเครือของม ค่าการวิเคราะห์ขอบเขตสำหรับเมทริกซ์เฉพาะจะดำเนินการเช่นนั้น |
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
How were geotechnical parameters of soils at landslide-prone sites evaluated in the study?
|
Laboratory experiments |
|
ทางหลวงแห่งชาติชัมมู-ศรีนาการ์เป็นถนนสายสำคัญที่เชื่อมต่อระหว่างหุบเขาแคชเมียร์และส่วนอื่นๆ ของอินเดีย ผ่านเนินลาดชันสูงและภูเขาสูงที่เกิดการเคลื่อนตัวของมวลชน ได้ ง่าย โดยเฉพาะดินถล่มและหินถล่ม ถนนบนภูเขาส่วนใหญ่ถูกสร้างขึ้นบนทางลาดที่เปราะบางและเป็นหิน และการรบกวนตามธรรมชาติ (เช่น การตกตะกอน) หรือการรบกวนจากมนุษย์ (เช่น การจราจรหนาแน่น) อาจทำให้เกิดแผ่นดินถล่มที่ร้ายแรงและทำลายล้างได้ภายใต้อิทธิพลของแรงโน้มถ่วง พื้นที่ที่อาจเกิดดินถล่มหลายแห่งตามแนวทางหลวงต้องรับผิดชอบต่อการปิดล้อมอย่างต่อเนื่องเกือบตลอดทั้งปี แต่จะถึงจุดสูงสุดโดยเฉพาะในช่วงฤดูหนาว เป็นผลให้มีผลกระทบต่อเศรษฐกิจของรัฐสูงและรับผิดชอบต่อการบาดเจ็บล้มตายของมนุษย์จำนวนมากทุกปี การศึกษาครั้งนี้มีจุดมุ่งหมายเพื่ออธิบายลักษณะของปัจจัยต่างๆ และค่าเกณฑ์ที่ก่อให้เกิดแผ่นดินถล่ม จากการสำรวจภาคสนามอย่างครอบคลุม เราได้ประเมินพารามิเตอร์ทางธรณีเทคนิคต่างๆ ของดินในบริเวณที่อาจเกิดแผ่นดินถล่มมากที่สุดตามทางหลวง และเสริมด้วยชุด ข้อมูล การสำรวจระยะไกลด้วยดาวเทียมเพื่อกำหนดค่าเกณฑ์ที่กระตุ้นให้เกิดแผ่นดินถล่ม และประเมินความน่าจะเป็นของการเกิดเหตุการณ์แผ่นดินถล่มใน อนาคตโดยใช้ แบบจำลอง Autoregressive Moving Average (ARIMA) และ IBM SPSS Forecasting Model งานนี้จะช่วยกำหนดมาตรการรับมือในการจัดการดินถล่มในพื้นที่ศึกษาในพื้นที่ และจะเป็นกรอบแนวทางในการใช้ปัญญาประดิษฐ์และเทคนิคการเรียนรู้ของเครื่องจักรในการจัดการอันตรายในเทือกเขาหิมาลัย
บทความก่อนหน้านี้ในฉบับบทความถัดไปในประเด็น
คำหลัก
ดินถล่มการวิเคราะห์ทางสถิติการสำรวจระยะไกลภัยพิบัติ
1 . การแนะนำ
ดินถล่มอาจเกิดจากปัจจัยต่างๆ (มานุษยวิทยา สัณฐานวิทยา หรือธรณีวิทยา) แต่ดินถล่มที่พบบ่อยที่สุดเกิดจากการตกตะกอนเป็นเวลานานและกิจกรรมของมนุษย์ ( Haque et al., 2016 ) ดินถล่มถือเป็นอันตรายระดับโลก โดยเฉพาะในเทือกเขาหิมาลัยซึ่งเหตุการณ์ดินถล่มมักเกิดขึ้นบนเส้นทางภูเขาสูง ส่วนใหญ่ในฤดูหนาวและฤดูมรสุม ( Sharma et al., 2021 ) การศึกษาพบว่าความลาดชันที่ทำมุมสูง การก่อตัวของลิ่มโครงสร้างตามแนวลาดชันอิสระ ความเค้นเฉือนเนื่องจากขอบเขตแผ่นดินไหว และ การกระทำของนีโอเท คโทนิกและรอยเลื่อนตามขวางอื่นๆ เป็นสาเหตุของการเคลื่อนตัวของมวลในภูมิภาคหิมาลัย เช่น เทือกเขาคูมาอุน ซับหิมาลัย ( โคธีอารี และคณะ 2012 ) ในเนินหิน การพังทลายของลิ่มคือประเภทของดินถล่มที่เกิดขึ้นบ่อยครั้ง โดยมีรอยต่อจำนวนมากที่ทำหน้าที่เป็นระนาบกลิ้งสำหรับบล็อกที่จนตรอก ( Kothyari et al., 2012 ) เนื่องจากข้อเท็จจริงที่ว่าแรงขับและรอยเลื่อนหลักและรองในแถบหิมาลัยส่วนใหญ่ค่อนข้างจะเกิดปฏิกิริยาทางนีโอเทคโทนิก การเคลื่อนที่ของพวกมันทำให้บริเวณนี้เสี่ยงต่อการเกิดแผ่นดินถล่ม ( Luirei et al., 2006 ) นอกจากนี้ การศึกษาจำนวนมากได้เชื่อมโยงผลกระทบของฝนตกหนักและกิจกรรมแผ่นดินไหว ซึ่งในที่สุดนำไปสู่การยกตัวของเปลือกโลกแบบเป็นตอนๆ โดยปรากฏเป็นแผ่นดินถล่มในภูมิภาคหิมาลัย เช่น แอ่ง Mandakini และ Bhilangana ของเทือกเขา Garhwal Himalaya กับความเสียหายอย่างที่ไม่เคยเกิดขึ้นมาก่อนต่อชีวิต ทรัพย์สิน และโครงสร้างพื้นฐาน ( Taloor และคณะ 2564 ) ส่วนที่เผยให้เห็นของพัดลมที่มีขอบโคลนอยู่ระหว่างนั้น บ่งชี้ว่ามีดินถล่มจำนวนมากที่ก่อตัวเป็นตะกอนพัดลม นอกจากนี้ ปัจจัยทางมานุษยวิทยา เช่น การขยายถนน การสร้างอุโมงค์ และการตัดเนินสูงชันไปตามถนน ทำให้ทางเดินมีความเสี่ยงสูงที่จะเกิดความล้มเหลว ( Taloor et al., 2021 )
นอกจากนี้ ในช่วงมรสุมรุนแรงและการรบกวนทางทิศตะวันตกในช่วงฤดูหนาว แผ่นดินถล่มบ่อยครั้งมีส่วนสำคัญต่อ งบประมาณ ตะกอนจากน้ำท่วมซึ่งส่งผลให้เกิดการทับถมของกรวดที่อยู่ใต้น้ำในส่วนท้ายน้ำ ( Kothyari และ Luirei, 2016 ) ฤดูกาลเหล่านี้ได้รับปริมาณน้ำฝนมากที่สุด ส่งผลให้กลายเป็นปัจจัยสำคัญที่ทำให้เกิดแผ่นดินถล่มบริเวณช่องเขาหิมาลัย เช่น บนทางหลวงแห่งชาติจัมมูศรีนาการ์ (Joshi et al., 2010 ; Joshi and Kothyari, 2010 ; Meraj et al., 2012; Kothyari และคณะ 2010 ; Kothyari และคณะ 2012 ; Joshi และคณะ 2021 ) แผ่นดินถล่มทำให้เกิดอุบัติเหตุมากมายและเป็นภัยคุกคามสำคัญต่อชีวิตและทรัพย์สินของมนุษย์
การศึกษานี้ดำเนินการบนทางหลวงแผ่นดินหมายเลข NH-44A จากชัมมูไปยังแคชเมียร์ พื้นที่ศึกษาในรูปที่ 1จัดอยู่ในประเภทฮอตสปอตแผ่นดินถล่มที่มีพื้นที่แผ่นดินถล่มหลายแห่ง ( Petley, 2013 ) และอยู่ระหว่าง 33°20′–37°79′N ถึง 75°11′–14°94′E มีภูมิประเทศเป็นเนินสูงโดยเฉลี่ย 2,741 เมตร เหนือระดับน้ำทะเลปานกลาง ภูมิภาคนี้มีความเสี่ยงสูงที่จะเกิดความล้มเหลวของความลาดชันเนื่องจากสภาพภูมิอากาศและกิจกรรมของมนุษย์ ( Velayudham et al., 2021 ) ทางหลวงแห่งชาติชัมมู ศรีนาการ์ ประสบกับเหตุการณ์ดินถล่มเป็นประจำ ซึ่งส่งผลกระทบต่อการเชื่อมต่อถนนอย่างรุนแรง แม้ว่ากลไกการปรับสภาพและการกระตุ้นให้เกิดดินถล่มจะเป็นที่รู้จักกันดี ( Cendrero และ Dramas, 1996 ) แต่การคาดการณ์และการทำแผนที่เหตุการณ์ที่เกิดขึ้นยังคงเป็นความท้าทายต่อโลก การศึกษาได้ประเมินปัจจัยต่างๆ และได้รับค่าเกณฑ์สำหรับการพยากรณ์แผ่นดินถล่มที่แม่นยำและแม่นยำยิ่งขึ้นโดยใช้การตรวจสอบภาคสนาม การดำเนินการวิเคราะห์ข้อมูล เทคนิคการสำรวจระยะไกล และการทดลองดิน
รูปที่ 1
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (1MB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
รูปที่ 1 . แผนที่ตำแหน่งของทางหลวงแห่งชาติ NH-44 (c) ที่เกี่ยวข้องกับอินเดีย (a) และ UT ของชัมมูและแคชเมียร์ (b) ขอบเขตสีแดงคือพื้นที่แสดงจุดเกิดเหตุดินถล่ม
การศึกษานี้มีวัตถุประสงค์เพื่อใช้พารามิเตอร์ทางธรณีเทคนิคภาคสนามต่างๆ เช่น แรงเฉือนโดยตรง ความหนาแน่นตามธรรมชาติขีดจำกัดของแอตเทอร์เบิร์ก (ขีดจำกัดของพลาสติก ขีดจำกัดของของเหลว ดัชนีความเป็นพลาสติก) ปริมาณความชื้น และความถ่วงจำเพาะ) ตามอุณหภูมิพื้นผิวดิน (LST) และข้อมูลปริมาณฝน เพื่อจำลองเหตุการณ์ดินถล่มในพื้นที่ศึกษา อุณหภูมิพื้นผิวดิน (LST) เป็นสัดส่วนโดยตรงกับระดับน้ำใต้ดิน นักวิจัยทั่วโลกใช้คำนี้เพื่อทำนายและระบุพื้นที่ที่อาจเกิดแผ่นดินถล่ม ( Seker et al., 2008 ) การตกตะกอนเพิ่มเติม (ปริมาณน้ำฝน) ซึ่งก่อให้เกิดแผ่นดินถล่มสูงเช่นกัน เป็นหนึ่งในปัจจัยสาเหตุหลักที่อยู่เบื้องหลังการเกิดแผ่นดินถล่ม การสร้างแบบจำลองการเกิดแผ่นดินถล่มได้ดำเนินการโดยใช้อัลกอริธึมการเรียนรู้ของเครื่องในแพ็คเกจทางสถิติสำหรับสังคมศาสตร์ (IBM SPSS) และแบบ จำลองการคาดการณ์ ARIMAเพื่อทำนายโอกาสที่จะเกิดแผ่นดินถล่ม การศึกษาครั้งนี้จะเป็นแนวทางในการใช้ปัญญาประดิษฐ์และเครื่องมือการเรียนรู้ของเครื่องจักรเพื่อประเมินอันตรายทางธรรมชาติในภูมิภาคอื่นๆ ของเทือกเขาหิมาลัย
2 . พื้นที่ศึกษา |
ทางหลวงแห่งชาติชัมมู-ศรีนาการ์เป็นถนนสายสำคัญที่เชื่อมต่อระหว่างหุบเขาแคชเมียร์และส่วนอื่นๆ ของอินเดีย ผ่านเนินลาดชันสูงและภูเขาสูงที่เกิดการเคลื่อนตัวของมวลชน ได้ ง่าย โดยเฉพาะดินถล่มและหินถล่ม ถนนบนภูเขาส่วนใหญ่ถูกสร้างขึ้นบนทางลาดที่เปราะบางและเป็นหิน และการรบกวนตามธรรมชาติ (เช่น การตกตะกอน) หรือการรบกวนจากมนุษย์ (เช่น การจราจรหนาแน่น) อาจทำให้เกิดแผ่นดินถล่มที่ร้ายแรงและทำลายล้างได้ภายใต้อิทธิพลของแรงโน้มถ่วง พื้นที่ที่อาจเกิดดินถล่มหลายแห่งตามแนวทางหลวงต้องรับผิดชอบต่อการปิดล้อมอย่างต่อเนื่องเกือบตลอดทั้งปี แต่จะถึงจุดสูงสุดโดยเฉพาะในช่วงฤดูหนาว เป็นผลให้มีผลกระทบต่อเศรษฐกิจของรัฐสูงและรับผิดชอบต่อการบาดเจ็บล้มตายของมนุษย์จำนวนมากทุกปี การศึกษาครั้งนี้มีจุดมุ่งหมายเพื่ออธิบายลักษณะของปัจจัยต่างๆ และค่าเกณฑ์ที่ก่อให้เกิดแผ่นดินถล่ม จากการสำรวจภาคสนามอย่างครอบคลุม เราได้ประเมินพารามิเตอร์ทางธรณีเทคนิคต่างๆ ของดินในบริเวณที่อาจเกิดแผ่นดินถล่มมากที่สุดตามทางหลวง และเสริมด้วยชุด ข้อมูล การสำรวจระยะไกลด้วยดาวเทียมเพื่อกำหนดค่าเกณฑ์ที่กระตุ้นให้เกิดแผ่นดินถล่ม และประเมินความน่าจะเป็นของการเกิดเหตุการณ์แผ่นดินถล่มใน อนาคตโดยใช้ แบบจำลอง Autoregressive Moving Average (ARIMA) และ IBM SPSS Forecasting Model งานนี้จะช่วยกำหนดมาตรการรับมือในการจัดการดินถล่มในพื้นที่ศึกษาในพื้นที่ และจะเป็นกรอบแนวทางในการใช้ปัญญาประดิษฐ์และเทคนิคการเรียนรู้ของเครื่องจักรในการจัดการอันตรายในเทือกเขาหิมาลัย
บทความก่อนหน้านี้ในฉบับบทความถัดไปในประเด็น
คำหลัก
ดินถล่มการวิเคราะห์ทางสถิติการสำรวจระยะไกลภัยพิบัติ
1 . การแนะนำ
ดินถล่มอาจเกิดจากปัจจัยต่างๆ (มานุษยวิทยา สัณฐานวิทยา หรือธรณีวิทยา) แต่ดินถล่มที่พบบ่อยที่สุดเกิดจากการตกตะกอนเป็นเวลานานและกิจกรรมของมนุษย์ ( Haque et al., 2016 ) ดินถล่มถือเป็นอันตรายระดับโลก โดยเฉพาะในเทือกเขาหิมาลัยซึ่งเหตุการณ์ดินถล่มมักเกิดขึ้นบนเส้นทางภูเขาสูง ส่วนใหญ่ในฤดูหนาวและฤดูมรสุม ( Sharma et al., 2021 ) การศึกษาพบว่าความลาดชันที่ทำมุมสูง การก่อตัวของลิ่มโครงสร้างตามแนวลาดชันอิสระ ความเค้นเฉือนเนื่องจากขอบเขตแผ่นดินไหว และ การกระทำของนีโอเท คโทนิกและรอยเลื่อนตามขวางอื่นๆ เป็นสาเหตุของการเคลื่อนตัวของมวลในภูมิภาคหิมาลัย เช่น เทือกเขาคูมาอุน ซับหิมาลัย ( โคธีอารี และคณะ 2012 ) ในเนินหิน การพังทลายของลิ่มคือประเภทของดินถล่มที่เกิดขึ้นบ่อยครั้ง โดยมีรอยต่อจำนวนมากที่ทำหน้าที่เป็นระนาบกลิ้งสำหรับบล็อกที่จนตรอก ( Kothyari et al., 2012 ) เนื่องจากข้อเท็จจริงที่ว่าแรงขับและรอยเลื่อนหลักและรองในแถบหิมาลัยส่วนใหญ่ค่อนข้างจะเกิดปฏิกิริยาทางนีโอเทคโทนิก การเคลื่อนที่ของพวกมันทำให้บริเวณนี้เสี่ยงต่อการเกิดแผ่นดินถล่ม ( Luirei et al., 2006 ) นอกจากนี้ การศึกษาจำนวนมากได้เชื่อมโยงผลกระทบของฝนตกหนักและกิจกรรมแผ่นดินไหว ซึ่งในที่สุดนำไปสู่การยกตัวของเปลือกโลกแบบเป็นตอนๆ โดยปรากฏเป็นแผ่นดินถล่มในภูมิภาคหิมาลัย เช่น แอ่ง Mandakini และ Bhilangana ของเทือกเขา Garhwal Himalaya กับความเสียหายอย่างที่ไม่เคยเกิดขึ้นมาก่อนต่อชีวิต ทรัพย์สิน และโครงสร้างพื้นฐาน ( Taloor และคณะ 2564 ) ส่วนที่เผยให้เห็นของพัดลมที่มีขอบโคลนอยู่ระหว่างนั้น บ่งชี้ว่ามีดินถล่มจำนวนมากที่ก่อตัวเป็นตะกอนพัดลม นอกจากนี้ ปัจจัยทางมานุษยวิทยา เช่น การขยายถนน การสร้างอุโมงค์ และการตัดเนินสูงชันไปตามถนน ทำให้ทางเดินมีความเสี่ยงสูงที่จะเกิดความล้มเหลว ( Taloor et al., 2021 )
นอกจากนี้ ในช่วงมรสุมรุนแรงและการรบกวนทางทิศตะวันตกในช่วงฤดูหนาว แผ่นดินถล่มบ่อยครั้งมีส่วนสำคัญต่อ งบประมาณ ตะกอนจากน้ำท่วมซึ่งส่งผลให้เกิดการทับถมของกรวดที่อยู่ใต้น้ำในส่วนท้ายน้ำ ( Kothyari และ Luirei, 2016 ) ฤดูกาลเหล่านี้ได้รับปริมาณน้ำฝนมากที่สุด ส่งผลให้กลายเป็นปัจจัยสำคัญที่ทำให้เกิดแผ่นดินถล่มบริเวณช่องเขาหิมาลัย เช่น บนทางหลวงแห่งชาติจัมมูศรีนาการ์ (Joshi et al., 2010 ; Joshi and Kothyari, 2010 ; Meraj et al., 2012; Kothyari และคณะ 2010 ; Kothyari และคณะ 2012 ; Joshi และคณะ 2021 ) แผ่นดินถล่มทำให้เกิดอุบัติเหตุมากมายและเป็นภัยคุกคามสำคัญต่อชีวิตและทรัพย์สินของมนุษย์
การศึกษานี้ดำเนินการบนทางหลวงแผ่นดินหมายเลข NH-44A จากชัมมูไปยังแคชเมียร์ พื้นที่ศึกษาในรูปที่ 1จัดอยู่ในประเภทฮอตสปอตแผ่นดินถล่มที่มีพื้นที่แผ่นดินถล่มหลายแห่ง ( Petley, 2013 ) และอยู่ระหว่าง 33°20′–37°79′N ถึง 75°11′–14°94′E มีภูมิประเทศเป็นเนินสูงโดยเฉลี่ย 2,741 เมตร เหนือระดับน้ำทะเลปานกลาง ภูมิภาคนี้มีความเสี่ยงสูงที่จะเกิดความล้มเหลวของความลาดชันเนื่องจากสภาพภูมิอากาศและกิจกรรมของมนุษย์ ( Velayudham et al., 2021 ) ทางหลวงแห่งชาติชัมมู ศรีนาการ์ ประสบกับเหตุการณ์ดินถล่มเป็นประจำ ซึ่งส่งผลกระทบต่อการเชื่อมต่อถนนอย่างรุนแรง แม้ว่ากลไกการปรับสภาพและการกระตุ้นให้เกิดดินถล่มจะเป็นที่รู้จักกันดี ( Cendrero และ Dramas, 1996 ) แต่การคาดการณ์และการทำแผนที่เหตุการณ์ที่เกิดขึ้นยังคงเป็นความท้าทายต่อโลก การศึกษาได้ประเมินปัจจัยต่างๆ และได้รับค่าเกณฑ์สำหรับการพยากรณ์แผ่นดินถล่มที่แม่นยำและแม่นยำยิ่งขึ้นโดยใช้การตรวจสอบภาคสนาม การดำเนินการวิเคราะห์ข้อมูล เทคนิคการสำรวจระยะไกล และการทดลองดิน
รูปที่ 1
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (1MB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
รูปที่ 1 . แผนที่ตำแหน่งของทางหลวงแห่งชาติ NH-44 (c) ที่เกี่ยวข้องกับอินเดีย (a) และ UT ของชัมมูและแคชเมียร์ (b) ขอบเขตสีแดงคือพื้นที่แสดงจุดเกิดเหตุดินถล่ม
การศึกษานี้มีวัตถุประสงค์เพื่อใช้พารามิเตอร์ทางธรณีเทคนิคภาคสนามต่างๆ เช่น แรงเฉือนโดยตรง ความหนาแน่นตามธรรมชาติขีดจำกัดของแอตเทอร์เบิร์ก (ขีดจำกัดของพลาสติก ขีดจำกัดของของเหลว ดัชนีความเป็นพลาสติก) ปริมาณความชื้น และความถ่วงจำเพาะ) ตามอุณหภูมิพื้นผิวดิน (LST) และข้อมูลปริมาณฝน เพื่อจำลองเหตุการณ์ดินถล่มในพื้นที่ศึกษา อุณหภูมิพื้นผิวดิน (LST) เป็นสัดส่วนโดยตรงกับระดับน้ำใต้ดิน นักวิจัยทั่วโลกใช้คำนี้เพื่อทำนายและระบุพื้นที่ที่อาจเกิดแผ่นดินถล่ม ( Seker et al., 2008 ) การตกตะกอนเพิ่มเติม (ปริมาณน้ำฝน) ซึ่งก่อให้เกิดแผ่นดินถล่มสูงเช่นกัน เป็นหนึ่งในปัจจัยสาเหตุหลักที่อยู่เบื้องหลังการเกิดแผ่นดินถล่ม การสร้างแบบจำลองการเกิดแผ่นดินถล่มได้ดำเนินการโดยใช้อัลกอริธึมการเรียนรู้ของเครื่องในแพ็คเกจทางสถิติสำหรับสังคมศาสตร์ (IBM SPSS) และแบบ จำลองการคาดการณ์ ARIMAเพื่อทำนายโอกาสที่จะเกิดแผ่นดินถล่ม การศึกษาครั้งนี้จะเป็นแนวทางในการใช้ปัญญาประดิษฐ์และเครื่องมือการเรียนรู้ของเครื่องจักรเพื่อประเมินอันตรายทางธรรมชาติในภูมิภาคอื่นๆ ของเทือกเขาหิมาลัย
2 . พื้นที่ศึกษา |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
What modeling techniques were used to assess the probability of landslide occurrence in the future?
|
Autoregressive Moving Average (ARIMA) model |
|
4.1 . แบบจำลองระดับความสูงดิจิทัล (DEM)
การศึกษานี้ใช้ DEM (แบบจำลองระดับความสูงดิจิทัล) (Carto DEM 10 ม.) และเป็นตัวแทนดิจิทัลของพื้นผิวภูมิประเทศของโลก มีการใช้กันอย่างแพร่หลายในการประเมินโซนที่อาจเกิดแผ่นดินถล่ม (ความลาดชัน การประเมินแผ่นดินถล่ม และการวิเคราะห์ทางธรณีวิทยาสัณฐานวิทยา) ดังนั้นการสร้างแบบจำลองพื้นผิวภูมิประเทศที่แม่นยำจึงเป็นกุญแจสำคัญในการพัฒนาเครื่องมือสร้างแบบจำลองโดยใช้คอมพิวเตอร์สำหรับการประเมินอันตรายจากแผ่นดินถล่มในพื้นที่ภูเขา ( Beumier และ Idrissa, 2016 ) โอกาสที่จะเกิดการพังทลายของลิ่ม ซึ่งเกี่ยวข้องกับการเลื่อนไปตามเส้นตัดกันของระนาบที่ไม่ต่อเนื่องบรรจบกันสองระนาบ และความล้มเหลวของระนาบหรือทางลาดเอียง ซึ่งเกี่ยวข้องกับการเลื่อนข้ามระนาบที่ไม่ต่อเนื่องของหินดาด สามารถประเมินได้โดยใช้การวิเคราะห์ความเสถียรของความลาดชันจลนศาสตร์ (เช่น เครื่องเบดดิ้ง และ ความผิด). อย่างไรก็ตาม งานปัจจุบันใช้เพียงการวิเคราะห์ความลาดชันสำหรับการสร้างแบบจำลองการเกิดดินถล่มเท่านั้น รูปที่ 8 (ก) แสดงพื้นที่ศึกษาซึ่งตั้งอยู่เชิงเขาสูงชัน รูปที่ 8แสดงภูมิประเทศแบบดิจิทัล ซึ่งใช้ในการกำหนดลักษณะต่างๆ ของพื้นที่ศึกษา เช่น ความชัน ระดับความสูง ลักษณะ และความโค้ง แผนที่ความชันและรูปร่างของพื้นที่ศึกษาถูกสร้างขึ้นด้วยซอฟต์แวร์ ArcGIS โดยใช้ข้อมูล CartoDEM แผนที่ความชันที่แสดงในรูปที่ 8 (b) อยู่ระหว่างการเพิ่มขึ้น 97 ถึง 140 เปอร์เซ็นต์ ซึ่งทำให้มีความอ่อนไหวสูงต่อแผ่นดิน โคลน และหินถล่ม รูปร่างของพื้นที่ศึกษาอยู่ระหว่าง 1,150 ถึง 1,450 ม. และแสดงในรูปที่ 8 (c) |
4.1 . แบบจำลองระดับความสูงดิจิทัล (DEM)
การศึกษานี้ใช้ DEM (แบบจำลองระดับความสูงดิจิทัล) (Carto DEM 10 ม.) และเป็นตัวแทนดิจิทัลของพื้นผิวภูมิประเทศของโลก มีการใช้กันอย่างแพร่หลายในการประเมินโซนที่อาจเกิดแผ่นดินถล่ม (ความลาดชัน การประเมินแผ่นดินถล่ม และการวิเคราะห์ทางธรณีวิทยาสัณฐานวิทยา) ดังนั้นการสร้างแบบจำลองพื้นผิวภูมิประเทศที่แม่นยำจึงเป็นกุญแจสำคัญในการพัฒนาเครื่องมือสร้างแบบจำลองโดยใช้คอมพิวเตอร์สำหรับการประเมินอันตรายจากแผ่นดินถล่มในพื้นที่ภูเขา ( Beumier และ Idrissa, 2016 ) โอกาสที่จะเกิดการพังทลายของลิ่ม ซึ่งเกี่ยวข้องกับการเลื่อนไปตามเส้นตัดกันของระนาบที่ไม่ต่อเนื่องบรรจบกันสองระนาบ และความล้มเหลวของระนาบหรือทางลาดเอียง ซึ่งเกี่ยวข้องกับการเลื่อนข้ามระนาบที่ไม่ต่อเนื่องของหินดาด สามารถประเมินได้โดยใช้การวิเคราะห์ความเสถียรของความลาดชันจลนศาสตร์ (เช่น เครื่องเบดดิ้ง และ ความผิด). อย่างไรก็ตาม งานปัจจุบันใช้เพียงการวิเคราะห์ความลาดชันสำหรับการสร้างแบบจำลองการเกิดดินถล่มเท่านั้น รูปที่ 8 (ก) แสดงพื้นที่ศึกษาซึ่งตั้งอยู่เชิงเขาสูงชัน รูปที่ 8แสดงภูมิประเทศแบบดิจิทัล ซึ่งใช้ในการกำหนดลักษณะต่างๆ ของพื้นที่ศึกษา เช่น ความชัน ระดับความสูง ลักษณะ และความโค้ง แผนที่ความชันและรูปร่างของพื้นที่ศึกษาถูกสร้างขึ้นด้วยซอฟต์แวร์ ArcGIS โดยใช้ข้อมูล CartoDEM แผนที่ความชันที่แสดงในรูปที่ 8 (b) อยู่ระหว่างการเพิ่มขึ้น 97 ถึง 140 เปอร์เซ็นต์ ซึ่งทำให้มีความอ่อนไหวสูงต่อแผ่นดิน โคลน และหินถล่ม รูปร่างของพื้นที่ศึกษาอยู่ระหว่าง 1,150 ถึง 1,450 ม. และแสดงในรูปที่ 8 (c) |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
What is the potential application of the study's findings in hazard management?
|
Heavy trafficPromoting tourism in landslide-prone areas |
|
แบบจำลองการคาดการณ์ ARMA/ARIMA เป็นแนวทางที่เหมาะสมที่สุดสำหรับการประเมินและการพยากรณ์อนุกรมเวลาเชิงเส้น ( Babu และ Reddy, 2014 ) แบบจำลองการคาดการณ์ใช้ในการพยากรณ์ปริมาณน้ำฝนในอนาคต มิลลิเมตร/เดือน โดยใช้ข้อมูลปริมาณน้ำฝนอนุกรมเวลาที่ผ่านมาตั้งแต่เดือนมกราคม 1998 ถึงธันวาคม 2019 ที่ได้รับจาก (giovanni.gsfc.nasa.gov) รูปที่ 10แสดงอัตราการตกตะกอนรายเดือนของพื้นที่ ซึ่งแบบจำลองการคาดการณ์ใช้เป็นข้อมูลการฝึกอบรมเพื่อคาดการณ์ปริมาณน้ำฝนในอนาคตและโอกาสแผ่นดินถล่มในพื้นที่
รูปที่ 10
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (450KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 10 . ปริมาณน้ำฝนรายเดือนตั้งแต่ปี 1998 ถึง 2019 (ที่มา: https://giovanni.gsfc.nasa.gov/giovanni/ )
ในกระบวนการเบื้องต้น ข้อมูลที่ไม่คงที่จะถูกแปลงเป็นข้อมูลคงที่เพื่อผลลัพธ์การคาดการณ์ที่ดีขึ้น ฟังก์ชัน AR และ MA ที่ไม่ใช่ฤดูกาลเบื้องต้นนั้นประเมินโดยการวางแผน ฟังก์ชัน ความสัมพันธ์อัตโนมัติ บางส่วน (PACF) และฟังก์ชันความสัมพันธ์อัตโนมัติ (ACF) หลังจากกำหนดค่าเบื้องต้นสำหรับพารามิเตอร์ ( p, d, q ) สำหรับ AR ตัวดำเนินการเชิงอนุพันธ์ และ MA แล้ว ค่าสัมประสิทธิ์เชิงเส้นของแบบจำลองจะถูกประเมินโดยใช้วิธีความน่าจะเป็นสูงสุดหรือวิธีกำลังสองน้อยที่สุด
ข้อมูลแสดงให้เห็นฤดูกาล ที่รุนแรง โดยมีความแปรปรวนและค่าเฉลี่ยที่แตกต่างกัน ( รูปที่ 11 ) ความแปรปรวนของข้อมูลจะถูกทำให้คงที่โดยการพิจารณาค่าบันทึกของค่าจริง ในขณะที่ค่าเฉลี่ยจะถูกสร้างความแตกต่างโดยใช้ฟังก์ชัน 'diff' ใน R-Studio มกราคมถึงมีนาคมและกรกฎาคมถึงกันยายนมีปริมาณฝนสูงสุด ในขณะที่เดือนพฤษภาคมและตุลาคมมีปริมาณฝนลดลงอย่างชัดเจน ดังนั้นจึงสรุปได้ว่าเดือนพฤษภาคมและตุลาคมเป็นเดือนที่มีโอกาสเกิดดินถล่มน้อยมาก ในขณะที่เดือนมกราคมถึงมีนาคม และกรกฎาคมถึงกันยายนเป็นเดือนที่มีโอกาสเกิดแผ่นดินถล่มสูง
รูปที่ 11
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (658KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 11 . แผนความแปรปรวนของการตกตะกอนรายเดือนที่สร้างขึ้นระหว่างการวิเคราะห์ ARIMA ใน RStudio (ขั้นตอนตามฤดูกาลในการพยากรณ์ ARIMA)
การทดสอบ Ljung Box ใช้เพื่อตรวจสอบว่าข้อผิดพลาดคือ 'iid' (สัญญาณรบกวนสีขาว) หรือไม่ และส่วนที่เหลือหรือความสัมพันธ์อัตโนมัติสำหรับข้อผิดพลาดนั้นไม่เป็นศูนย์หรือไม่ เป็นการทดสอบสมรรถภาพเพื่อตรวจสอบว่าความสัมพันธ์อัตโนมัติที่ตกค้างมีขนาดเล็กมากหรือไม่ สรุปได้ว่าโมเดลไม่ได้แสดงถึงการขาดความพอดีอย่างมาก
สมมติฐานว่างของการทดสอบ Box Ljung:
H 0 = โมเดลไม่ได้แสดงถึงการขาดความพอดีอย่างมาก
H a = นางแบบแสดงถึงความไม่พอดี
การทดสอบกระเป๋าหิ้ว Ljung-Box ใช้เพื่อทดสอบระดับสมรรถภาพของแบบจำลองอนุกรมเวลาเป็นหลัก หากสิ่งตกค้างของแบบจำลองไม่มีความสัมพันธ์อัตโนมัติที่มีนัยสำคัญ ให้สันนิษฐานว่าแบบจำลองนั้นตอบสนองการทดสอบ ACF ที่เหลือแสดงให้เห็นว่าความสัมพันธ์อัตโนมัติที่ตกค้างนั้นมีน้อยและอยู่ภายในขอบเขตที่สำคัญ สถิติ Ljung-Box Q *(m) ถูกกำหนดโดยการแจกแจงไคสแควร์เชิงเส้นกำกับของระดับความเป็นอิสระ สมมติฐานที่เป็นศูนย์Q *(m) เป็นจริงหากความสัมพันธ์แบบไม่อนุกรมเกิดขึ้นสำหรับแบบจำลองที่ได้รับและถูกกำหนดเป็น:
(4)
ที่ไหน,
n = จำนวนค่าทั้งหมดในชุดข้อมูล
= ความสัมพันธ์อัตโนมัติของข้อมูลที่ lag k
m = จำนวนความล่าช้าสูงสุดที่ใช้ในการทดสอบ
โมเดลจะถือว่าดีหาก ค่า Q *( m ) ต่ำ Q *( m ) ที่ได้รับมีค่าน้อยกว่า 20ซึ่งแสดงถึงประสิทธิภาพของแบบจำลองที่เหมาะสมที่สุดที่แสดงใน รูป ที่12
รูปที่ 12:
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (390KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 12 . ส่วนที่เหลือสำหรับรุ่น ARIMA ที่เหมาะสมที่สุด
ความแม่นยำและความน่าเชื่อถือของแบบจำลองที่เหมาะสมที่สุดได้รับการคำนวณโดยใช้เทคนิคทางสถิติในการรวบรวมข้อมูลการประเมิน แผนภาพเวลา แผนภาพ ACF และฮิสโตแกรม กราฟเหล่านี้แสดงให้เห็นว่าเทคนิคที่ไร้เดียงสาสร้างการคาดการณ์ที่ดูเหมือนจะคำนึงถึงข้อมูลที่มีอยู่ทั้งหมด ความแปรปรวนคงเหลือถือได้ว่าเป็นค่าคงที่โดยอิงตามแผนภาพเวลาของสิ่งตกค้าง ซึ่งบ่งชี้ว่า ยกเว้นค่าผิดปกติประการหนึ่ง ความแปรผันของสิ่งตกค้างยังคงค่อนข้างสม่ำเสมอเหนือข้อมูลในอดีต ซึ่งสามารถสังเกตได้ในฮิสโตแกรมของสารตกค้าง ค่าเฉลี่ยของปริมาณคงเหลือใกล้เคียงกับศูนย์ และชุดค่าคงเหลือไม่แสดงความสัมพันธ์ที่มีนัยสำคัญ ความแม่นยำคำนวณโดยการเปรียบเทียบค่าที่คาดการณ์ไว้กับค่าข้อมูลที่สังเกตได้ ดังแสดงในตารางที่ 2และแบบกราฟิกใน รูป ที่13
ตารางที่ 2 . ค่าข้อมูลดั้งเดิมและข้อมูลคาดการณ์ที่ได้รับโดยใช้แบบจำลอง ARIMA
ค่าดั้งเดิม
41.38 76.16 66.30 น 46.29 50.97 75.71 120.02 116.04 50.73 18.83 31.51 18.34
ค่าที่คาดการณ์ไว้
39.14 68.67 62.21 42.97 49.65 74.47 114.36 109.97 46.80 17.25 42.05 19.95
รูปที่ 13
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (704KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 13 . ข้อมูลคาดการณ์และสังเกตเพื่อทดสอบแบบจำลอง
พบว่าแบบจำลองนี้มีความสำคัญสูง โดยมีความแตกต่างต่ำระหว่างค่าข้อมูลดั้งเดิมกับค่าข้อมูลที่คาดการณ์
ค่าคาดการณ์แสดงปริมาณฝนที่เพิ่มขึ้นอย่างชัดเจนตั้งแต่เดือนมกราคม 2563 ถึงธันวาคม 2567 ( รูปที่ 14 ) พบว่าเหตุการณ์ฝนตกมีแนวโน้มที่จะหนักขึ้นและเกิดขึ้นบ่อยขึ้นในอนาคต เนื่องจากการเปลี่ยนแปลงสภาพภูมิอากาศ ซึ่งอาจส่งผลให้เกิดแผ่นดินถล่มในระดับที่สูงขึ้นในพื้นที่ได้ เหตุการณ์ฝนตกหนักได้รับการบันทึกตั้งแต่เดือนมิถุนายนถึงกันยายน และเหตุการณ์ดินถล่มส่วนใหญ่ก็บันทึกในช่วงเวลาเดียวกันด้วย ดังนั้นเราจึงสามารถพูดได้ว่าหากเราสามารถคาดการณ์แนวโน้มปริมาณน้ำฝนในอนาคตได้ เราก็สามารถระบุเดือนที่อาจเกิดอันตรายจากแผ่นดินถล่มได้อย่างง่ายดาย
รูปที่ 14
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (256KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 14 . กราฟคาดการณ์ปริมาณน้ำฝนตั้งแต่มกราคม 2020 ถึงธันวาคม 2024
4.4 . ผลของคุณสมบัติของดินต่อดินถล่ม
คุณสมบัติของดินมีบทบาทสำคัญในเสถียรภาพหรือความไม่มั่นคงของความลาดเอียง ( Rahardjo et al., 2001 ) เพื่อหาสาเหตุหลักของความล้มเหลวของที่ดิน สิ่งสำคัญคือต้องวิเคราะห์ตัวอย่างดินในพื้นที่นั้น ๆ ตัวอย่างดินถูกนำมาดังแสดงในรูปที่ 7เพื่อค้นหาคุณสมบัติของดินดังต่อไปนี้ที่กล่าวถึงด้านล่าง
4.4.1 . ความหนาแน่นตามธรรมชาติ
ความหนาแน่นรวมคือการบดอัดของดินและตัวบ่งชี้สุขภาพของดิน มันส่งผลกระทบต่อการแทรกซึม การหยั่งรากลึกความพรุนของดินกิจกรรมของจุลินทรีย์ในดิน และความพร้อมของธาตุอาหารพืชที่มีอิทธิพลต่อกระบวนการสำคัญของดิน ผลผลิต และพืชพรรณ ( Stirzaker et al., 1996 ) ความหนาแน่นตามธรรมชาติที่สูงเป็นสาเหตุที่ทำให้มีพืชพรรณน้อยลงในพื้นที่ศึกษา พื้นที่ศึกษามีพืชพรรณปกคลุมบริเวณเนินเขาน้อยมาก จึงเป็นพื้นที่ที่มีโอกาสเกิดดินถล่มได้ง่าย พืชพรรณสามารถลดการแทรกซึมของน้ำในดิน ชะลอการพังทลายของน้ำบนผิวดิน และกำจัดน้ำออกจากดิน ซึ่งช่วยให้ดินสามารถทนต่อการอิ่มตัวของน้ำฝนในระยะสั้นเป็นเวลานานหรือหนักหน่วง ผลการทดสอบดินระบุค่าความหนาแน่นตามธรรมชาติ 1.69 Kg/cm 3 ซึ่งสูงเกินไปและไม่เหมาะสมกับการเจริญเติบโตของพืช อาจเป็นสาเหตุเบื้องหลังดัชนีพันธุ์พืช ที่ต่ำมาก ในพื้นที่ศึกษา ซึ่งทำให้พื้นที่ดังกล่าวมีแนวโน้มที่จะเกิดดินถล่มสูง ตารางที่ 3ด้านล่างคือคำอธิบายของดินและค่าสังเกตต่างๆ ที่ได้จากการทดลองต่างๆ
ตารางที่ 3 . คำอธิบายดินและค่าสังเกตของพื้นที่ศึกษา
ส.โน คำอธิบาย หน่วย ค่าที่สังเกตได้
1. ความหนาแน่นตามธรรมชาติ กก./ซม. 3 1.69
2. แรงดึงดูดเฉพาะ – 2.74
3. ความชื้น % 7.38
4. แรงเฉือนโดยตรง
ค กิโลกรัม/ซม. 2 0.05
ɸ ระดับ 11
5. ขีด จำกัด ของ Atterberg
ขีดจำกัดของเหลว % เอ็นพี
ขีดจำกัดพลาสติก % เอ็นพี
ดัชนีความเป็นพลาสติก % เอ็นพี
4.4.2 . แรงเฉือนตรง (C, พี)
แรงเฉือนโดยตรงคือการทดสอบดินที่สำคัญซึ่งใช้ในการวัดความต้านทานแรงเฉือนของดิน ( Zhao et al., 2006 ) ขึ้นอยู่กับความรุนแรงของอนุภาคดินที่เชื่อมต่อกัน ได้มาจากความต้านทานแรงเสียดทานและแรงยึดเกาะระหว่างอนุภาคดิน เป็นดินที่มีความเค้นเฉือนสูงสุดที่สามารถทำได้โดยไม่ต้องกลิ้งลงมา ช่วยในการค้นหาลักษณะเฉพาะของดินสองประการ มุมของแรงเสียดทานภายใน (phi) และการทำงานร่วมกัน (C) จุดมุ่งหมายหลักคือเพื่อให้ได้ค่าแรงเฉือน มุมของการเสียดสีภายในของอนุภาคดิน และแรงดึงดูดระหว่างอนุภาคดินโดยเฉพาะ
4.4.3 . มุมแรงเสียดทานภายใน (phi)
นี่คือมุมที่กำหนดระหว่างแรงตั้งฉาก ( N ) และแรงผลลัพธ์ ( R ) เมื่อความล้มเหลวเกิดขึ้นเพื่อตอบสนองต่อความเค้นเฉือน ( S ) ( Hatanaka et al., 1996 ) เป็นมุมที่สามารถโหลดวัสดุที่เป็นของแข็งหรือเป็นเม็ดได้ โดยไม่ผิดพลาด ( Xu et al. 2018 ) ดินที่มีค่า 'พี' น้อยกว่า 20° ถือเป็นดินที่มีแนวโน้มเกิดแผ่นดินถล่มได้ง่าย หลังจากการทดสอบตัวอย่างดินในห้องปฏิบัติการ พบว่ามีค่า phi อยู่ที่ 11° ซึ่งบ่งชี้ว่าดินมีแนวโน้มสูงที่จะเกิดแผ่นดินถล่มที่เกิดจากฝนตก เนื่องจากปริมาณน้ำฝนมีศักยภาพที่จะลดมุมแรงเสียดทานภายในให้ต่ำลงและเพิ่มแรงเฉือนมากขึ้น ความเครียดบนดินซึ่งทำให้ดินหลวมพอที่จะทำให้เกิดแผ่นดินถล่ม ดินประเภทนี้ต้องการเซ็นเซอร์ความชื้นที่ซับซ้อนซึ่งจะเริ่มการแจ้งเตือนหลังจากที่ดินอิ่มตัวเพียงพอกับปริมาณน้ำฝนหรือหิมะละลาย
4.4.4 . การทำงานร่วมกัน (C)
การทำงานร่วมกันเป็นแรงดึงดูดระหว่างกันของดินที่ยึดเกาะอนุภาคเข้าด้วยกัน ( Utley และ Wynn, 2008 ) ดินเหนียวเป็นตัวอย่างที่ดีของดินที่มีความเหนียว สูง ( Stirzaker et al., 1996 ) ดินที่มีความยึดเกาะสูงมักจะมีมุมเสียดสีภายในที่ต่ำมากระหว่างอนุภาคของดิน ดังนั้นกำลังรับแรงเฉือนจะมาจากแรงยึดเกาะระหว่างอนุภาคของดินเท่านั้น ตัวอย่างดินแสดงผลลัพธ์การยึดเกาะต่ำมากที่ 0.05 Kg / cm2 โดยทั่วไปความแข็งแรงของดินจะมีส่วนมาจากมุมของแรงเสียดทานภายในซึ่งก็ต่ำเช่นกัน ดังนั้นจึงสรุปได้ว่าดินในพื้นที่ศึกษามีความอ่อนไหวสูงต่อการเกิดดินถล่มที่เกิดจากฝนตก เนื่องจากปริมาณน้ำฝนมีศักยภาพที่จะลดมุมการเสียดสีภายในของดินให้ต่ำลงอีก ซึ่งจะทำให้ดินหลวมพอที่จะปลิวไปได้
4.4.5 . ขีดจำกัดของแอตเทอร์เบิร์ก
ขีดจำกัดของเหลว: ขีดจำกัดของเหลวในดินคือปริมาณความชื้นที่เปลี่ยนสถานะพลาสติกของดินให้เป็นสถานะของเหลวและมีความหนืด ( Sharma et al., 2017 ) สถานะของเหลวและความหนืดของดินมีแนวโน้มที่จะลื่นไถลมากกว่าดินรูปแบบอื่นๆ ขีดจำกัดของของเหลวจะให้ค่าขีดจำกัดของความชื้น หลังจากนั้นดินจะหลวมพอที่จะเลื่อนเหมือนของเหลว ดินในพื้นที่ศึกษาอุดมไปด้วยกรวดที่ไม่มีความเป็นพลาสติก (wP = 0) มันมีการทำงานร่วมกันระหว่างอนุภาคดินต่ำมาก ดังนั้นความแข็งแรงของดินส่วนใหญ่จึงขึ้นอยู่กับมุมของแรงเสียดทานภายในระหว่างอนุภาคของดิน เช่นเดียวกับกรณีของขีดจำกัดของพลาสติก เนื่องจากดินในพื้นที่ศึกษาประกอบด้วยกรวดบริสุทธิ์ ดังนั้นการค้นหาขีดจำกัดของพลาสติกจึงไม่สามารถบรรลุได้เนื่องจากอนุภาคไม่เกาะกัน
4.4.6 . ความชื้น
ปริมาณความชื้นมีบทบาทสำคัญในเสถียรภาพของดินและเป็นหนึ่งในองค์ประกอบหลักของดิน คือปริมาณน้ำที่สะสมอยู่ในดินที่ได้รับผลกระทบจากปริมาณน้ำฝน ลักษณะของดิน และอุณหภูมิ ( Ray et al., 2010 ; Alexander, 1992 ) หิมะละลายและการตกตะกอนเป็นสองปัจจัยหลักที่เพิ่มความชื้นในดินบนทางลาด จากการศึกษาต่างๆ พบว่าปริมาณความชื้นในดินมีบทบาทสำคัญในการกระตุ้นให้เกิดแผ่นดินถล่ม ( Bordoni et al., 2015 ) ปริมาณน้ำฝนเพียงอย่างเดียวอาจไม่เพียงพอที่จะติดตามการเกิดดินถล่ม ทั้งเกณฑ์ปริมาณน้ำฝนและปริมาณความชื้นในดินเป็นวิธีการที่สำคัญและมีประสิทธิภาพในการติดตามและทำนายแผ่นดินถล่ม ระดับความชื้นสามารถแบ่งได้เป็นสามระดับการเตือน (ระดับต่ำ กลาง และสูง) ขีดจำกัดพลาสติกของดินถือเป็นการเตือนระดับต่ำ ขีดจำกัดของเหลวถือเป็นการเตือนระดับสูง ในขณะที่ค่ากลางระหว่างขีดจำกัดพลาสติกและขีดจำกัดของเหลวจะถือเป็นการเตือนระดับกลางสำหรับ แผ่นดินถล่ม ปริมาณความชื้นของตัวอย่างดินอยู่ที่ 7.38% ซึ่งเป็นความชื้นในดินของดินที่มีเสถียรภาพ ระดับความชื้นนี้จะถือเป็นค่าระดับต่ำสำหรับการเตือนระดับกลาง ขณะที่ระดับความชื้นเกินขีดจำกัดระดับของเหลวจะถือเป็นการเตือนภัยดินถล่มในระดับสูง คำอธิบายและค่าของดินระบุไว้ในตารางที่ 3ด้านล่าง
4.5 . ผลกระทบจากการเปลี่ยนแปลงสิ่งปลูกสร้างต่อดินถล่ม
ความเปราะบางและอุบัติการณ์ดินถล่มของเทือกเขาหิมาลัยเพิ่มขึ้นอย่างมาก เนื่องจากมีการก่อสร้างขนาดใหญ่ การขุดค้น การขุดค้น การเคลื่อนตัวของเปลือกโลก และเหตุการณ์ฝนตกหนัก แผนที่ LULC ทั่วไปของพื้นที่ศึกษาภายในและภายนอกแสดงในรูปที่ 15 จะเห็นได้ว่าพื้นที่ศึกษาก่อตัวขึ้นบนพื้นที่ปกคลุมไปด้วยหิมะ ในทางธรณีวิทยา ซึ่งเป็นเนินเนินชัน ( รูปที่ 5 ) ดังนั้นจึงเสี่ยงต่อการเลื่อนมาก การขยายถนนและการพัฒนาโครงสร้างทั่วทั้งและรอบๆ ทางหลวงส่งผลให้มีการตัดพื้นที่ลาดชันและความอิ่มตัวของดิน กระตุ้นให้เกิดดินถล่มและความไม่มั่นคงของทางลาด ปัจจุบัน พื้นที่ศึกษามีการก่อสร้างขนาดใหญ่รอบๆ บริเวณที่อาจเกิดดินถล่ม
รูปที่ 15
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (811KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 15 . แผนที่การใช้ประโยชน์ที่ดินสิ่งปกคลุมดินของการศึกษา ปี 2561 (1:25,000)
สิ่งก่อสร้างรอบๆ พื้นที่เสี่ยงต่อการเกิดดินถล่มเพิ่มขึ้นจาก 642.04 ตารางเมตรในปี 2552 เป็น 15,501.58 ตารางเมตรในปี 2561 ซึ่งคุกคามการจราจรและผู้อยู่อาศัยใกล้กับพื้นที่ดังกล่าว โดยคำนวณผ่าน Google Earth Engine งานก่อสร้างบริเวณจุดคว่ำทำให้ทางลาดมีความเปราะบางและไม่มั่นคงสูง ความรุนแรงของความลาดชันจะเปลี่ยนไปตามการเปลี่ยนแปลงในพื้นที่ที่สร้างขึ้นรอบๆ พื้นที่ และทั้งสองอย่างมีสัดส่วนกันสูง ดังนั้นการเปลี่ยนแปลงที่ก่อตัวขึ้นสามารถใช้เป็นพารามิเตอร์ที่รับผิดชอบในการทำนายแผ่นดินถล่มโดยใช้ระบบเตือนภัยล่วงหน้า สิ่งปลูกสร้างเปลี่ยนจาก 642.04 เป็น 15,501.58 ตารางเมตรจากปี 2552 เป็น 2561 การเปลี่ยนแปลงสิ่งปลูกสร้างที่เพิ่มขึ้นอาจเพิ่มความน่าจะเป็นที่จะเกิดความล้มเหลวในระดับตื้นเนื่องจากการรบกวนของทางลาดรอบพื้นที่ก่อสร้าง จากการสำรวจภาคสนาม การวิเคราะห์ทางธรณีเทคนิค การวิเคราะห์ทางสถิติ และการตรวจสอบทางธรณีวิทยา สรุปได้ว่าปัจจัยหลักที่ทำให้เกิดแผ่นดินถล่ม ได้แก่ การแทรกแซงโดยมนุษย์ การเปลี่ยนแปลงสภาพภูมิอากาศ ความลาดชันของภูมิประเทศ สัณฐานวิทยาของภูมิประเทศ ปริมาณน้ำฝนที่ตกหนัก และความหนาแน่นของพืชพรรณในพื้นที่ศึกษา . |
แบบจำลองการคาดการณ์ ARMA/ARIMA เป็นแนวทางที่เหมาะสมที่สุดสำหรับการประเมินและการพยากรณ์อนุกรมเวลาเชิงเส้น ( Babu และ Reddy, 2014 ) แบบจำลองการคาดการณ์ใช้ในการพยากรณ์ปริมาณน้ำฝนในอนาคต มิลลิเมตร/เดือน โดยใช้ข้อมูลปริมาณน้ำฝนอนุกรมเวลาที่ผ่านมาตั้งแต่เดือนมกราคม 1998 ถึงธันวาคม 2019 ที่ได้รับจาก (giovanni.gsfc.nasa.gov) รูปที่ 10แสดงอัตราการตกตะกอนรายเดือนของพื้นที่ ซึ่งแบบจำลองการคาดการณ์ใช้เป็นข้อมูลการฝึกอบรมเพื่อคาดการณ์ปริมาณน้ำฝนในอนาคตและโอกาสแผ่นดินถล่มในพื้นที่
รูปที่ 10
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (450KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 10 . ปริมาณน้ำฝนรายเดือนตั้งแต่ปี 1998 ถึง 2019 (ที่มา: https://giovanni.gsfc.nasa.gov/giovanni/ )
ในกระบวนการเบื้องต้น ข้อมูลที่ไม่คงที่จะถูกแปลงเป็นข้อมูลคงที่เพื่อผลลัพธ์การคาดการณ์ที่ดีขึ้น ฟังก์ชัน AR และ MA ที่ไม่ใช่ฤดูกาลเบื้องต้นนั้นประเมินโดยการวางแผน ฟังก์ชัน ความสัมพันธ์อัตโนมัติ บางส่วน (PACF) และฟังก์ชันความสัมพันธ์อัตโนมัติ (ACF) หลังจากกำหนดค่าเบื้องต้นสำหรับพารามิเตอร์ ( p, d, q ) สำหรับ AR ตัวดำเนินการเชิงอนุพันธ์ และ MA แล้ว ค่าสัมประสิทธิ์เชิงเส้นของแบบจำลองจะถูกประเมินโดยใช้วิธีความน่าจะเป็นสูงสุดหรือวิธีกำลังสองน้อยที่สุด
ข้อมูลแสดงให้เห็นฤดูกาล ที่รุนแรง โดยมีความแปรปรวนและค่าเฉลี่ยที่แตกต่างกัน ( รูปที่ 11 ) ความแปรปรวนของข้อมูลจะถูกทำให้คงที่โดยการพิจารณาค่าบันทึกของค่าจริง ในขณะที่ค่าเฉลี่ยจะถูกสร้างความแตกต่างโดยใช้ฟังก์ชัน 'diff' ใน R-Studio มกราคมถึงมีนาคมและกรกฎาคมถึงกันยายนมีปริมาณฝนสูงสุด ในขณะที่เดือนพฤษภาคมและตุลาคมมีปริมาณฝนลดลงอย่างชัดเจน ดังนั้นจึงสรุปได้ว่าเดือนพฤษภาคมและตุลาคมเป็นเดือนที่มีโอกาสเกิดดินถล่มน้อยมาก ในขณะที่เดือนมกราคมถึงมีนาคม และกรกฎาคมถึงกันยายนเป็นเดือนที่มีโอกาสเกิดแผ่นดินถล่มสูง
รูปที่ 11
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (658KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 11 . แผนความแปรปรวนของการตกตะกอนรายเดือนที่สร้างขึ้นระหว่างการวิเคราะห์ ARIMA ใน RStudio (ขั้นตอนตามฤดูกาลในการพยากรณ์ ARIMA)
การทดสอบ Ljung Box ใช้เพื่อตรวจสอบว่าข้อผิดพลาดคือ 'iid' (สัญญาณรบกวนสีขาว) หรือไม่ และส่วนที่เหลือหรือความสัมพันธ์อัตโนมัติสำหรับข้อผิดพลาดนั้นไม่เป็นศูนย์หรือไม่ เป็นการทดสอบสมรรถภาพเพื่อตรวจสอบว่าความสัมพันธ์อัตโนมัติที่ตกค้างมีขนาดเล็กมากหรือไม่ สรุปได้ว่าโมเดลไม่ได้แสดงถึงการขาดความพอดีอย่างมาก
สมมติฐานว่างของการทดสอบ Box Ljung:
H 0 = โมเดลไม่ได้แสดงถึงการขาดความพอดีอย่างมาก
H a = นางแบบแสดงถึงความไม่พอดี
การทดสอบกระเป๋าหิ้ว Ljung-Box ใช้เพื่อทดสอบระดับสมรรถภาพของแบบจำลองอนุกรมเวลาเป็นหลัก หากสิ่งตกค้างของแบบจำลองไม่มีความสัมพันธ์อัตโนมัติที่มีนัยสำคัญ ให้สันนิษฐานว่าแบบจำลองนั้นตอบสนองการทดสอบ ACF ที่เหลือแสดงให้เห็นว่าความสัมพันธ์อัตโนมัติที่ตกค้างนั้นมีน้อยและอยู่ภายในขอบเขตที่สำคัญ สถิติ Ljung-Box Q *(m) ถูกกำหนดโดยการแจกแจงไคสแควร์เชิงเส้นกำกับของระดับความเป็นอิสระ สมมติฐานที่เป็นศูนย์Q *(m) เป็นจริงหากความสัมพันธ์แบบไม่อนุกรมเกิดขึ้นสำหรับแบบจำลองที่ได้รับและถูกกำหนดเป็น:
(4)
ที่ไหน,
n = จำนวนค่าทั้งหมดในชุดข้อมูล
= ความสัมพันธ์อัตโนมัติของข้อมูลที่ lag k
m = จำนวนความล่าช้าสูงสุดที่ใช้ในการทดสอบ
โมเดลจะถือว่าดีหาก ค่า Q *( m ) ต่ำ Q *( m ) ที่ได้รับมีค่าน้อยกว่า 20ซึ่งแสดงถึงประสิทธิภาพของแบบจำลองที่เหมาะสมที่สุดที่แสดงใน รูป ที่12
รูปที่ 12:
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (390KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 12 . ส่วนที่เหลือสำหรับรุ่น ARIMA ที่เหมาะสมที่สุด
ความแม่นยำและความน่าเชื่อถือของแบบจำลองที่เหมาะสมที่สุดได้รับการคำนวณโดยใช้เทคนิคทางสถิติในการรวบรวมข้อมูลการประเมิน แผนภาพเวลา แผนภาพ ACF และฮิสโตแกรม กราฟเหล่านี้แสดงให้เห็นว่าเทคนิคที่ไร้เดียงสาสร้างการคาดการณ์ที่ดูเหมือนจะคำนึงถึงข้อมูลที่มีอยู่ทั้งหมด ความแปรปรวนคงเหลือถือได้ว่าเป็นค่าคงที่โดยอิงตามแผนภาพเวลาของสิ่งตกค้าง ซึ่งบ่งชี้ว่า ยกเว้นค่าผิดปกติประการหนึ่ง ความแปรผันของสิ่งตกค้างยังคงค่อนข้างสม่ำเสมอเหนือข้อมูลในอดีต ซึ่งสามารถสังเกตได้ในฮิสโตแกรมของสารตกค้าง ค่าเฉลี่ยของปริมาณคงเหลือใกล้เคียงกับศูนย์ และชุดค่าคงเหลือไม่แสดงความสัมพันธ์ที่มีนัยสำคัญ ความแม่นยำคำนวณโดยการเปรียบเทียบค่าที่คาดการณ์ไว้กับค่าข้อมูลที่สังเกตได้ ดังแสดงในตารางที่ 2และแบบกราฟิกใน รูป ที่13
ตารางที่ 2 . ค่าข้อมูลดั้งเดิมและข้อมูลคาดการณ์ที่ได้รับโดยใช้แบบจำลอง ARIMA
ค่าดั้งเดิม
41.38 76.16 66.30 น 46.29 50.97 75.71 120.02 116.04 50.73 18.83 31.51 18.34
ค่าที่คาดการณ์ไว้
39.14 68.67 62.21 42.97 49.65 74.47 114.36 109.97 46.80 17.25 42.05 19.95
รูปที่ 13
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (704KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 13 . ข้อมูลคาดการณ์และสังเกตเพื่อทดสอบแบบจำลอง
พบว่าแบบจำลองนี้มีความสำคัญสูง โดยมีความแตกต่างต่ำระหว่างค่าข้อมูลดั้งเดิมกับค่าข้อมูลที่คาดการณ์
ค่าคาดการณ์แสดงปริมาณฝนที่เพิ่มขึ้นอย่างชัดเจนตั้งแต่เดือนมกราคม 2563 ถึงธันวาคม 2567 ( รูปที่ 14 ) พบว่าเหตุการณ์ฝนตกมีแนวโน้มที่จะหนักขึ้นและเกิดขึ้นบ่อยขึ้นในอนาคต เนื่องจากการเปลี่ยนแปลงสภาพภูมิอากาศ ซึ่งอาจส่งผลให้เกิดแผ่นดินถล่มในระดับที่สูงขึ้นในพื้นที่ได้ เหตุการณ์ฝนตกหนักได้รับการบันทึกตั้งแต่เดือนมิถุนายนถึงกันยายน และเหตุการณ์ดินถล่มส่วนใหญ่ก็บันทึกในช่วงเวลาเดียวกันด้วย ดังนั้นเราจึงสามารถพูดได้ว่าหากเราสามารถคาดการณ์แนวโน้มปริมาณน้ำฝนในอนาคตได้ เราก็สามารถระบุเดือนที่อาจเกิดอันตรายจากแผ่นดินถล่มได้อย่างง่ายดาย
รูปที่ 14
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (256KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 14 . กราฟคาดการณ์ปริมาณน้ำฝนตั้งแต่มกราคม 2020 ถึงธันวาคม 2024
4.4 . ผลของคุณสมบัติของดินต่อดินถล่ม
คุณสมบัติของดินมีบทบาทสำคัญในเสถียรภาพหรือความไม่มั่นคงของความลาดเอียง ( Rahardjo et al., 2001 ) เพื่อหาสาเหตุหลักของความล้มเหลวของที่ดิน สิ่งสำคัญคือต้องวิเคราะห์ตัวอย่างดินในพื้นที่นั้น ๆ ตัวอย่างดินถูกนำมาดังแสดงในรูปที่ 7เพื่อค้นหาคุณสมบัติของดินดังต่อไปนี้ที่กล่าวถึงด้านล่าง
4.4.1 . ความหนาแน่นตามธรรมชาติ
ความหนาแน่นรวมคือการบดอัดของดินและตัวบ่งชี้สุขภาพของดิน มันส่งผลกระทบต่อการแทรกซึม การหยั่งรากลึกความพรุนของดินกิจกรรมของจุลินทรีย์ในดิน และความพร้อมของธาตุอาหารพืชที่มีอิทธิพลต่อกระบวนการสำคัญของดิน ผลผลิต และพืชพรรณ ( Stirzaker et al., 1996 ) ความหนาแน่นตามธรรมชาติที่สูงเป็นสาเหตุที่ทำให้มีพืชพรรณน้อยลงในพื้นที่ศึกษา พื้นที่ศึกษามีพืชพรรณปกคลุมบริเวณเนินเขาน้อยมาก จึงเป็นพื้นที่ที่มีโอกาสเกิดดินถล่มได้ง่าย พืชพรรณสามารถลดการแทรกซึมของน้ำในดิน ชะลอการพังทลายของน้ำบนผิวดิน และกำจัดน้ำออกจากดิน ซึ่งช่วยให้ดินสามารถทนต่อการอิ่มตัวของน้ำฝนในระยะสั้นเป็นเวลานานหรือหนักหน่วง ผลการทดสอบดินระบุค่าความหนาแน่นตามธรรมชาติ 1.69 Kg/cm 3 ซึ่งสูงเกินไปและไม่เหมาะสมกับการเจริญเติบโตของพืช อาจเป็นสาเหตุเบื้องหลังดัชนีพันธุ์พืช ที่ต่ำมาก ในพื้นที่ศึกษา ซึ่งทำให้พื้นที่ดังกล่าวมีแนวโน้มที่จะเกิดดินถล่มสูง ตารางที่ 3ด้านล่างคือคำอธิบายของดินและค่าสังเกตต่างๆ ที่ได้จากการทดลองต่างๆ
ตารางที่ 3 . คำอธิบายดินและค่าสังเกตของพื้นที่ศึกษา
ส.โน คำอธิบาย หน่วย ค่าที่สังเกตได้
1. ความหนาแน่นตามธรรมชาติ กก./ซม. 3 1.69
2. แรงดึงดูดเฉพาะ – 2.74
3. ความชื้น % 7.38
4. แรงเฉือนโดยตรง
ค กิโลกรัม/ซม. 2 0.05
ɸ ระดับ 11
5. ขีด จำกัด ของ Atterberg
ขีดจำกัดของเหลว % เอ็นพี
ขีดจำกัดพลาสติก % เอ็นพี
ดัชนีความเป็นพลาสติก % เอ็นพี
4.4.2 . แรงเฉือนตรง (C, พี)
แรงเฉือนโดยตรงคือการทดสอบดินที่สำคัญซึ่งใช้ในการวัดความต้านทานแรงเฉือนของดิน ( Zhao et al., 2006 ) ขึ้นอยู่กับความรุนแรงของอนุภาคดินที่เชื่อมต่อกัน ได้มาจากความต้านทานแรงเสียดทานและแรงยึดเกาะระหว่างอนุภาคดิน เป็นดินที่มีความเค้นเฉือนสูงสุดที่สามารถทำได้โดยไม่ต้องกลิ้งลงมา ช่วยในการค้นหาลักษณะเฉพาะของดินสองประการ มุมของแรงเสียดทานภายใน (phi) และการทำงานร่วมกัน (C) จุดมุ่งหมายหลักคือเพื่อให้ได้ค่าแรงเฉือน มุมของการเสียดสีภายในของอนุภาคดิน และแรงดึงดูดระหว่างอนุภาคดินโดยเฉพาะ
4.4.3 . มุมแรงเสียดทานภายใน (phi)
นี่คือมุมที่กำหนดระหว่างแรงตั้งฉาก ( N ) และแรงผลลัพธ์ ( R ) เมื่อความล้มเหลวเกิดขึ้นเพื่อตอบสนองต่อความเค้นเฉือน ( S ) ( Hatanaka et al., 1996 ) เป็นมุมที่สามารถโหลดวัสดุที่เป็นของแข็งหรือเป็นเม็ดได้ โดยไม่ผิดพลาด ( Xu et al. 2018 ) ดินที่มีค่า 'พี' น้อยกว่า 20° ถือเป็นดินที่มีแนวโน้มเกิดแผ่นดินถล่มได้ง่าย หลังจากการทดสอบตัวอย่างดินในห้องปฏิบัติการ พบว่ามีค่า phi อยู่ที่ 11° ซึ่งบ่งชี้ว่าดินมีแนวโน้มสูงที่จะเกิดแผ่นดินถล่มที่เกิดจากฝนตก เนื่องจากปริมาณน้ำฝนมีศักยภาพที่จะลดมุมแรงเสียดทานภายในให้ต่ำลงและเพิ่มแรงเฉือนมากขึ้น ความเครียดบนดินซึ่งทำให้ดินหลวมพอที่จะทำให้เกิดแผ่นดินถล่ม ดินประเภทนี้ต้องการเซ็นเซอร์ความชื้นที่ซับซ้อนซึ่งจะเริ่มการแจ้งเตือนหลังจากที่ดินอิ่มตัวเพียงพอกับปริมาณน้ำฝนหรือหิมะละลาย
4.4.4 . การทำงานร่วมกัน (C)
การทำงานร่วมกันเป็นแรงดึงดูดระหว่างกันของดินที่ยึดเกาะอนุภาคเข้าด้วยกัน ( Utley และ Wynn, 2008 ) ดินเหนียวเป็นตัวอย่างที่ดีของดินที่มีความเหนียว สูง ( Stirzaker et al., 1996 ) ดินที่มีความยึดเกาะสูงมักจะมีมุมเสียดสีภายในที่ต่ำมากระหว่างอนุภาคของดิน ดังนั้นกำลังรับแรงเฉือนจะมาจากแรงยึดเกาะระหว่างอนุภาคของดินเท่านั้น ตัวอย่างดินแสดงผลลัพธ์การยึดเกาะต่ำมากที่ 0.05 Kg / cm2 โดยทั่วไปความแข็งแรงของดินจะมีส่วนมาจากมุมของแรงเสียดทานภายในซึ่งก็ต่ำเช่นกัน ดังนั้นจึงสรุปได้ว่าดินในพื้นที่ศึกษามีความอ่อนไหวสูงต่อการเกิดดินถล่มที่เกิดจากฝนตก เนื่องจากปริมาณน้ำฝนมีศักยภาพที่จะลดมุมการเสียดสีภายในของดินให้ต่ำลงอีก ซึ่งจะทำให้ดินหลวมพอที่จะปลิวไปได้
4.4.5 . ขีดจำกัดของแอตเทอร์เบิร์ก
ขีดจำกัดของเหลว: ขีดจำกัดของเหลวในดินคือปริมาณความชื้นที่เปลี่ยนสถานะพลาสติกของดินให้เป็นสถานะของเหลวและมีความหนืด ( Sharma et al., 2017 ) สถานะของเหลวและความหนืดของดินมีแนวโน้มที่จะลื่นไถลมากกว่าดินรูปแบบอื่นๆ ขีดจำกัดของของเหลวจะให้ค่าขีดจำกัดของความชื้น หลังจากนั้นดินจะหลวมพอที่จะเลื่อนเหมือนของเหลว ดินในพื้นที่ศึกษาอุดมไปด้วยกรวดที่ไม่มีความเป็นพลาสติก (wP = 0) มันมีการทำงานร่วมกันระหว่างอนุภาคดินต่ำมาก ดังนั้นความแข็งแรงของดินส่วนใหญ่จึงขึ้นอยู่กับมุมของแรงเสียดทานภายในระหว่างอนุภาคของดิน เช่นเดียวกับกรณีของขีดจำกัดของพลาสติก เนื่องจากดินในพื้นที่ศึกษาประกอบด้วยกรวดบริสุทธิ์ ดังนั้นการค้นหาขีดจำกัดของพลาสติกจึงไม่สามารถบรรลุได้เนื่องจากอนุภาคไม่เกาะกัน
4.4.6 . ความชื้น
ปริมาณความชื้นมีบทบาทสำคัญในเสถียรภาพของดินและเป็นหนึ่งในองค์ประกอบหลักของดิน คือปริมาณน้ำที่สะสมอยู่ในดินที่ได้รับผลกระทบจากปริมาณน้ำฝน ลักษณะของดิน และอุณหภูมิ ( Ray et al., 2010 ; Alexander, 1992 ) หิมะละลายและการตกตะกอนเป็นสองปัจจัยหลักที่เพิ่มความชื้นในดินบนทางลาด จากการศึกษาต่างๆ พบว่าปริมาณความชื้นในดินมีบทบาทสำคัญในการกระตุ้นให้เกิดแผ่นดินถล่ม ( Bordoni et al., 2015 ) ปริมาณน้ำฝนเพียงอย่างเดียวอาจไม่เพียงพอที่จะติดตามการเกิดดินถล่ม ทั้งเกณฑ์ปริมาณน้ำฝนและปริมาณความชื้นในดินเป็นวิธีการที่สำคัญและมีประสิทธิภาพในการติดตามและทำนายแผ่นดินถล่ม ระดับความชื้นสามารถแบ่งได้เป็นสามระดับการเตือน (ระดับต่ำ กลาง และสูง) ขีดจำกัดพลาสติกของดินถือเป็นการเตือนระดับต่ำ ขีดจำกัดของเหลวถือเป็นการเตือนระดับสูง ในขณะที่ค่ากลางระหว่างขีดจำกัดพลาสติกและขีดจำกัดของเหลวจะถือเป็นการเตือนระดับกลางสำหรับ แผ่นดินถล่ม ปริมาณความชื้นของตัวอย่างดินอยู่ที่ 7.38% ซึ่งเป็นความชื้นในดินของดินที่มีเสถียรภาพ ระดับความชื้นนี้จะถือเป็นค่าระดับต่ำสำหรับการเตือนระดับกลาง ขณะที่ระดับความชื้นเกินขีดจำกัดระดับของเหลวจะถือเป็นการเตือนภัยดินถล่มในระดับสูง คำอธิบายและค่าของดินระบุไว้ในตารางที่ 3ด้านล่าง
4.5 . ผลกระทบจากการเปลี่ยนแปลงสิ่งปลูกสร้างต่อดินถล่ม
ความเปราะบางและอุบัติการณ์ดินถล่มของเทือกเขาหิมาลัยเพิ่มขึ้นอย่างมาก เนื่องจากมีการก่อสร้างขนาดใหญ่ การขุดค้น การขุดค้น การเคลื่อนตัวของเปลือกโลก และเหตุการณ์ฝนตกหนัก แผนที่ LULC ทั่วไปของพื้นที่ศึกษาภายในและภายนอกแสดงในรูปที่ 15 จะเห็นได้ว่าพื้นที่ศึกษาก่อตัวขึ้นบนพื้นที่ปกคลุมไปด้วยหิมะ ในทางธรณีวิทยา ซึ่งเป็นเนินเนินชัน ( รูปที่ 5 ) ดังนั้นจึงเสี่ยงต่อการเลื่อนมาก การขยายถนนและการพัฒนาโครงสร้างทั่วทั้งและรอบๆ ทางหลวงส่งผลให้มีการตัดพื้นที่ลาดชันและความอิ่มตัวของดิน กระตุ้นให้เกิดดินถล่มและความไม่มั่นคงของทางลาด ปัจจุบัน พื้นที่ศึกษามีการก่อสร้างขนาดใหญ่รอบๆ บริเวณที่อาจเกิดดินถล่ม
รูปที่ 15
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (811KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 15 . แผนที่การใช้ประโยชน์ที่ดินสิ่งปกคลุมดินของการศึกษา ปี 2561 (1:25,000)
สิ่งก่อสร้างรอบๆ พื้นที่เสี่ยงต่อการเกิดดินถล่มเพิ่มขึ้นจาก 642.04 ตารางเมตรในปี 2552 เป็น 15,501.58 ตารางเมตรในปี 2561 ซึ่งคุกคามการจราจรและผู้อยู่อาศัยใกล้กับพื้นที่ดังกล่าว โดยคำนวณผ่าน Google Earth Engine งานก่อสร้างบริเวณจุดคว่ำทำให้ทางลาดมีความเปราะบางและไม่มั่นคงสูง ความรุนแรงของความลาดชันจะเปลี่ยนไปตามการเปลี่ยนแปลงในพื้นที่ที่สร้างขึ้นรอบๆ พื้นที่ และทั้งสองอย่างมีสัดส่วนกันสูง ดังนั้นการเปลี่ยนแปลงที่ก่อตัวขึ้นสามารถใช้เป็นพารามิเตอร์ที่รับผิดชอบในการทำนายแผ่นดินถล่มโดยใช้ระบบเตือนภัยล่วงหน้า สิ่งปลูกสร้างเปลี่ยนจาก 642.04 เป็น 15,501.58 ตารางเมตรจากปี 2552 เป็น 2561 การเปลี่ยนแปลงสิ่งปลูกสร้างที่เพิ่มขึ้นอาจเพิ่มความน่าจะเป็นที่จะเกิดความล้มเหลวในระดับตื้นเนื่องจากการรบกวนของทางลาดรอบพื้นที่ก่อสร้าง จากการสำรวจภาคสนาม การวิเคราะห์ทางธรณีเทคนิค การวิเคราะห์ทางสถิติ และการตรวจสอบทางธรณีวิทยา สรุปได้ว่าปัจจัยหลักที่ทำให้เกิดแผ่นดินถล่ม ได้แก่ การแทรกแซงโดยมนุษย์ การเปลี่ยนแปลงสภาพภูมิอากาศ ความลาดชันของภูมิประเทศ สัณฐานวิทยาของภูมิประเทศ ปริมาณน้ำฝนที่ตกหนัก และความหนาแน่นของพืชพรรณในพื้นที่ศึกษา . |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
How does the study aim to contribute to hazard management in the Himalayas?
|
By serving as a guiding framework for using artificial intelligence and machine learning |
|
เหตุดินถล่มบ่อยครั้งบนทางหลวงแห่งชาติมักจะยังคงปิดให้บริการ ส่งผลกระทบต่อเศรษฐกิจของรัฐ และคร่าชีวิตอันมีค่าเนื่องจากดินถล่มและก้อนหินถล่ม ปัจจัยที่รับผิดชอบและค่าเกณฑ์วิกฤติที่ก่อให้เกิดแผ่นดินถล่มจะถูกระบุโดยใช้การสำรวจภาคสนาม การตรวจสอบทางธรณีเทคนิค การทดสอบทางห้องปฏิบัติการทางธรณีวิทยา และเทคนิคการสำรวจระยะไกล ข้อมูลเหตุการณ์ดินถล่มระหว่างปี 2547 ถึง 2557 (NASA) ข้อมูลปริมาณน้ำฝนระหว่างปี 2523 ถึง 2553 (สถานี IMD Qazigung Kashmir) และข้อมูล LST (NASA) ระหว่างปี 2543 ถึง 2562 ได้รับการวิเคราะห์เพื่อค้นหาสาเหตุของความล้มเหลวของที่ดินในพื้นที่ศึกษา นอกจากนี้ คาดการณ์ LST และการตกตะกอนโดยใช้เครื่องมือทางสถิติ SPSS และแบบจำลองการพยากรณ์ ARIMA เพื่อระบุความน่าจะเป็นของเหตุการณ์ดินถล่มในพื้นที่ศึกษา ทั้งสองแสดงแนวโน้มเชิงเส้นที่สำคัญ ซึ่งหมายความว่าดินถล่มมีแนวโน้มที่จะเกิดขึ้นอย่างมากในพื้นที่ศึกษา จากการสำรวจทางธรณีเทคนิค จะได้ตัวอย่างดินที่ไม่ถูกรบกวนจากพื้นที่ศึกษาเพื่อหาคุณสมบัติทางธรณีกลศาสตร์และคุณลักษณะของดิน ตัวอย่างได้รับการทดสอบโดยใช้การทดลองในห้องปฏิบัติการทางกายภาพและทางกลภายใต้สภาวะและระดับความชื้นต่างๆ สำหรับความหนาแน่นตามธรรมชาติ ปริมาณความชื้น แรงเฉือนโดยตรง (c, phi) ความถ่วงจำเพาะ และขีดจำกัดของ Atterberg (ขีดจำกัดของเหลว ขีดจำกัดพลาสติก และดัชนีความเป็นพลาสติก) เพื่อกำหนดความเสถียร พฤติกรรมของดิน เดือนต่างๆ แบ่งตามระดับอันตรายต่ำ สูง และสูงมาก โดยพิจารณาจากปริมาณน้ำฝนเฉลี่ยต่อเดือน จำนวนเหตุการณ์ดินถล่มต่อเดือน และ LST รูปที่ 16ด้านล่างแสดงระดับอันตรายในแต่ละเดือนตั้งแต่ต่ำไปสูงไปจนถึงสูงมาก
รูปที่ 16
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (61KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 16 . ระดับอันตรายในแต่ละเดือน (สีแดง = สูงมาก สีเหลือง = สูง สีเขียว = ต่ำ)
ในการศึกษาปัจจุบัน เราทำการประเมินตามภาคสนามของพารามิเตอร์ทางธรณีเทคนิคซึ่งแสดงให้เห็นว่ามีอิทธิพลต่อการเกิดแผ่นดินถล่มโดยเฉพาะในภูมิประเทศหิมาลัย นอกจากนี้เรายังใช้พารามิเตอร์ธรณีเทคนิคที่ได้รับการประเมินเพื่อจำลองการเกิดแผ่นดินถล่มโดยใช้เครื่องมือการเรียนรู้ของเครื่อง การศึกษาครั้งนี้มีจุดมุ่งหมายเพื่อปรับเทียบและตรวจสอบความถูกต้องของแบบจำลองการเกิดแผ่นดินถล่มโดยยึดตาม SPSS และ ARIMA อย่างไรก็ตาม สามารถดำเนินการเพิ่มเติมได้ด้วยการประเมินแผ่นดินถล่มโดยอิงจลนศาสตร์เชิงลึก ซึ่งถือได้ว่าเป็นขอบเขตของงานนี้ในอนาคต
การประกาศผลประโยชน์ที่แข่งขันกัน
ผู้เขียนขอประกาศว่าไม่มีความขัดแย้งทางผลประโยชน์
การรับทราบ
ผู้เขียนขอขอบคุณผู้ตัดสินที่ตรวจสอบต้นฉบับและเสนอแนะความคิดเห็นอันมีค่า ผู้เขียนขอขอบคุณ BS ด้วยเช่นกัน สถาบันวิทยาศาสตร์และเทคโนโลยี Abdur Rahman Crescent Vandalur Chennai สำหรับการคบหา และเรายังขอขอบคุณ Muzamil Fayaz และทีมงานสำหรับความช่วยเหลือในการสืบสวนภาคสนาม ผู้เขียน GM ขอขอบคุณกรมวิทยาศาสตร์และเทคโนโลยี รัฐบาลอินเดีย (DST-GoI) สำหรับการมอบทุนภายใต้โครงการสำหรับนักวิทยาศาสตร์รุ่นเยาว์และเทคโนโลยี (SYST-SEED) [Grant no. SP/YO/2019/1362(G) & (C)]
ความพร้อมใช้งานของข้อมูล
ข้อมูลจะถูกจัดทำตามคำขอ
อ้างอิง
อเล็กซานเดอร์, 1992
ดี. อเล็กซานเดอร์
สาเหตุของแผ่นดินถล่ม กิจกรรมของมนุษย์ การรับรู้ และกระบวนการทางธรรมชาติ
สภาพแวดล้อม จีออล. วิทย์น้ำ , 20 ( 3 ) ( 1992 ) , หน้า165 - 179
ดูใน ScopusGoogle Scholar
อัลไคเออร์ และคณะ 2012
เอฟ. อัลไคเออร์, จีเอ็น เฟลอร์ชิงเกอร์, ซี. ซู
ผลกระทบของน้ำใต้ดินตื้นต่ออุณหภูมิพื้นผิวดินและสมดุลพลังงานพื้นผิวภายใต้สภาพดินเปลือย: การสร้างแบบจำลองและคำอธิบาย
ไฮโดรล ระบบเอิร์ธ วิทยาศาสตร์ , 16 ( 7 ) ( 2012 ) , หน้า. 1817
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
อันซารี และคณะ 2015
MK Ansari , M. Ahmed , TR Singh , I. Ghalayani
ฝนตก สาเหตุสำคัญที่ทำให้เกิดอันตรายจากหินถล่มตามถนน ทางหลวง และทางรถไฟบนภูมิประเทศที่เป็นเนินเขาในประเทศอินเดีย
อังกฤษ จีออล. สังคมสงเคราะห์ เทอร์ริท. , 1 ( 2015 ) , หน้า457 - 460
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
บาบูและเรดดี้, 2014
ซีเอ็น บาบูพ.ศ. เร ดดี้
โมเดล ARIMA–ANN แบบไฮบริดที่ใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่สำหรับการคาดการณ์ข้อมูลอนุกรมเวลา
ใบสมัคร คอมพิวเตอร์ซอฟท์ , 23 ( 2014 ) , หน้า27 - 38
ดู PDFดูบทความดูใน ScopusGoogle Scholar
บูเมียร์ และอิดริสซา, 2016
ซี. บิวเมียร์, เอ็ม. อิดริสซา
แบบจำลองภูมิประเทศแบบดิจิทัลที่ได้มาจากแบบจำลองพื้นผิวแบบดิจิทัลตามภูมิภาคในเขตเมือง
นานาชาติ J. Remote Sens. , 37 ( 15 ) ( 2016 ) , หน้า3477 - 3493
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
บอร์โดนี และคณะ 2015
เอ็ม. บอร์โดนี่, ซี. เมซิน่า, อาร์. วาเลนติโน่, เอ็น. ลู, เอ็ม. บิทเตลลี่, เอส. เชอร์ซิช
ปัจจัยทางอุทกวิทยาที่ส่งผลต่อดินถล่มตื้นๆ ที่เกิดจากฝนตก: ตั้งแต่การติดตามภาคสนามไปจนถึงการวิเคราะห์ความเสถียรของเนินแบบง่าย
อังกฤษ จีออล. , 193 ( 2015 ) , หน้า19 - 37
ดู PDFดูบทความดูใน ScopusGoogle Scholar
บอร์กา และคณะ 1998
เอ็ม. บอร์กา, จี. ดัลลา ฟอนทาน่า, ดี. ดา รอส, แอล. มาร์ชี่
การประเมินอันตรายจากดินถล่มตื้นโดยใช้แบบจำลองทางกายภาพและข้อมูลระดับความสูงแบบดิจิทัล
สภาพแวดล้อม จีออล. , 35 ( 2–3 ) ( 1998 ) , หน้า81 - 88
ดูใน ScopusGoogle Scholar
บูเคเลีย และคณะ 2019
เอ. บูเคเลีย, เอช. เอสลามี, เอส. โรซิน-เปาเมียร์, เอฟ. มาสรูรี
ผลของอุณหภูมิและสถานะเริ่มต้นต่อการเปลี่ยนแปลงของพารามิเตอร์ทางความร้อนของดินบดอัดละเอียด
ยูโร เจ. สิ่งแวดล้อม. วิศวกรรมโยธา , 23 ( 9 ) ( 2019 ) , หน้า1125 - 1138
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
คาร์รารา และคณะ 1991
อ. คาร์รารา, เอ็ม. คาร์ดินาลี, ร. เดตติ, เอฟ. กุซเซตติ, วี. ปาสควิ, พี. ไรเชนบัค
เทคนิค GIS และแบบจำลองทางสถิติในการประเมินอันตรายจากดินถล่ม
เอิร์ธเซิร์ฟ กระบวนการ. ลันด์ฟ. , 16 ( 5 ) ( 1991 ) , หน้า427 - 445
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
เซนเดรโรและดรามิส, 1996
อ. เซนเดรโร, เอฟ. ดรามิส
การมีส่วนร่วมของแผ่นดินถล่มต่อวิวัฒนาการภูมิทัศน์
ยูโร จีโอมอร์โฟล. , 15 ( 3–4 ) ( 1996 ) , หน้า191 - 211
ดู PDFดูบทความดูใน ScopusGoogle Scholar
คอร์บารีและมันชินี, 2014
ซี. คอร์บารี, เอ็ม. มันชินี
การสอบเทียบและการตรวจสอบความถูกต้องของแบบจำลองสมดุลพลังงาน-น้ำแบบกระจายโดยใช้ข้อมูลดาวเทียมของการวัดอุณหภูมิพื้นผิวพื้นดินและการปล่อยประจุดิน
เจ. ไฮโดรเมทิโอรอล. , 15 ( 1 ) ( 2014 ) , หน้า376 - 392
ดูใน ScopusGoogle Scholar
ฟายาซ และคณะ 2022
เอ็ม. ฟายาซ, จี. เมราจ , เอสเอ คาเดอร์, เอ็ม. ฟารุก, เอส. คังก้า, เอสเคซิงห์, พี. คูมาร์, เอ็น. ซาฮู
การจัดการดินถล่มในเขตเปลี่ยนผ่านระหว่างชนบทและเมืองโดยใช้อัลกอริธึมการเรียนรู้ของเครื่อง—กรณีศึกษาทางหลวงแผ่นดิน (NH-44) ประเทศอินเดีย ในภูมิประเทศอันขรุขระของเทือกเขาหิมาลัย |
เหตุดินถล่มบ่อยครั้งบนทางหลวงแห่งชาติมักจะยังคงปิดให้บริการ ส่งผลกระทบต่อเศรษฐกิจของรัฐ และคร่าชีวิตอันมีค่าเนื่องจากดินถล่มและก้อนหินถล่ม ปัจจัยที่รับผิดชอบและค่าเกณฑ์วิกฤติที่ก่อให้เกิดแผ่นดินถล่มจะถูกระบุโดยใช้การสำรวจภาคสนาม การตรวจสอบทางธรณีเทคนิค การทดสอบทางห้องปฏิบัติการทางธรณีวิทยา และเทคนิคการสำรวจระยะไกล ข้อมูลเหตุการณ์ดินถล่มระหว่างปี 2547 ถึง 2557 (NASA) ข้อมูลปริมาณน้ำฝนระหว่างปี 2523 ถึง 2553 (สถานี IMD Qazigung Kashmir) และข้อมูล LST (NASA) ระหว่างปี 2543 ถึง 2562 ได้รับการวิเคราะห์เพื่อค้นหาสาเหตุของความล้มเหลวของที่ดินในพื้นที่ศึกษา นอกจากนี้ คาดการณ์ LST และการตกตะกอนโดยใช้เครื่องมือทางสถิติ SPSS และแบบจำลองการพยากรณ์ ARIMA เพื่อระบุความน่าจะเป็นของเหตุการณ์ดินถล่มในพื้นที่ศึกษา ทั้งสองแสดงแนวโน้มเชิงเส้นที่สำคัญ ซึ่งหมายความว่าดินถล่มมีแนวโน้มที่จะเกิดขึ้นอย่างมากในพื้นที่ศึกษา จากการสำรวจทางธรณีเทคนิค จะได้ตัวอย่างดินที่ไม่ถูกรบกวนจากพื้นที่ศึกษาเพื่อหาคุณสมบัติทางธรณีกลศาสตร์และคุณลักษณะของดิน ตัวอย่างได้รับการทดสอบโดยใช้การทดลองในห้องปฏิบัติการทางกายภาพและทางกลภายใต้สภาวะและระดับความชื้นต่างๆ สำหรับความหนาแน่นตามธรรมชาติ ปริมาณความชื้น แรงเฉือนโดยตรง (c, phi) ความถ่วงจำเพาะ และขีดจำกัดของ Atterberg (ขีดจำกัดของเหลว ขีดจำกัดพลาสติก และดัชนีความเป็นพลาสติก) เพื่อกำหนดความเสถียร พฤติกรรมของดิน เดือนต่างๆ แบ่งตามระดับอันตรายต่ำ สูง และสูงมาก โดยพิจารณาจากปริมาณน้ำฝนเฉลี่ยต่อเดือน จำนวนเหตุการณ์ดินถล่มต่อเดือน และ LST รูปที่ 16ด้านล่างแสดงระดับอันตรายในแต่ละเดือนตั้งแต่ต่ำไปสูงไปจนถึงสูงมาก
รูปที่ 16
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (61KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 16 . ระดับอันตรายในแต่ละเดือน (สีแดง = สูงมาก สีเหลือง = สูง สีเขียว = ต่ำ)
ในการศึกษาปัจจุบัน เราทำการประเมินตามภาคสนามของพารามิเตอร์ทางธรณีเทคนิคซึ่งแสดงให้เห็นว่ามีอิทธิพลต่อการเกิดแผ่นดินถล่มโดยเฉพาะในภูมิประเทศหิมาลัย นอกจากนี้เรายังใช้พารามิเตอร์ธรณีเทคนิคที่ได้รับการประเมินเพื่อจำลองการเกิดแผ่นดินถล่มโดยใช้เครื่องมือการเรียนรู้ของเครื่อง การศึกษาครั้งนี้มีจุดมุ่งหมายเพื่อปรับเทียบและตรวจสอบความถูกต้องของแบบจำลองการเกิดแผ่นดินถล่มโดยยึดตาม SPSS และ ARIMA อย่างไรก็ตาม สามารถดำเนินการเพิ่มเติมได้ด้วยการประเมินแผ่นดินถล่มโดยอิงจลนศาสตร์เชิงลึก ซึ่งถือได้ว่าเป็นขอบเขตของงานนี้ในอนาคต
การประกาศผลประโยชน์ที่แข่งขันกัน
ผู้เขียนขอประกาศว่าไม่มีความขัดแย้งทางผลประโยชน์
การรับทราบ
ผู้เขียนขอขอบคุณผู้ตัดสินที่ตรวจสอบต้นฉบับและเสนอแนะความคิดเห็นอันมีค่า ผู้เขียนขอขอบคุณ BS ด้วยเช่นกัน สถาบันวิทยาศาสตร์และเทคโนโลยี Abdur Rahman Crescent Vandalur Chennai สำหรับการคบหา และเรายังขอขอบคุณ Muzamil Fayaz และทีมงานสำหรับความช่วยเหลือในการสืบสวนภาคสนาม ผู้เขียน GM ขอขอบคุณกรมวิทยาศาสตร์และเทคโนโลยี รัฐบาลอินเดีย (DST-GoI) สำหรับการมอบทุนภายใต้โครงการสำหรับนักวิทยาศาสตร์รุ่นเยาว์และเทคโนโลยี (SYST-SEED) [Grant no. SP/YO/2019/1362(G) & (C)]
ความพร้อมใช้งานของข้อมูล
ข้อมูลจะถูกจัดทำตามคำขอ
อ้างอิง
อเล็กซานเดอร์, 1992
ดี. อเล็กซานเดอร์
สาเหตุของแผ่นดินถล่ม กิจกรรมของมนุษย์ การรับรู้ และกระบวนการทางธรรมชาติ
สภาพแวดล้อม จีออล. วิทย์น้ำ , 20 ( 3 ) ( 1992 ) , หน้า165 - 179
ดูใน ScopusGoogle Scholar
อัลไคเออร์ และคณะ 2012
เอฟ. อัลไคเออร์, จีเอ็น เฟลอร์ชิงเกอร์, ซี. ซู
ผลกระทบของน้ำใต้ดินตื้นต่ออุณหภูมิพื้นผิวดินและสมดุลพลังงานพื้นผิวภายใต้สภาพดินเปลือย: การสร้างแบบจำลองและคำอธิบาย
ไฮโดรล ระบบเอิร์ธ วิทยาศาสตร์ , 16 ( 7 ) ( 2012 ) , หน้า. 1817
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
อันซารี และคณะ 2015
MK Ansari , M. Ahmed , TR Singh , I. Ghalayani
ฝนตก สาเหตุสำคัญที่ทำให้เกิดอันตรายจากหินถล่มตามถนน ทางหลวง และทางรถไฟบนภูมิประเทศที่เป็นเนินเขาในประเทศอินเดีย
อังกฤษ จีออล. สังคมสงเคราะห์ เทอร์ริท. , 1 ( 2015 ) , หน้า457 - 460
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
บาบูและเรดดี้, 2014
ซีเอ็น บาบูพ.ศ. เร ดดี้
โมเดล ARIMA–ANN แบบไฮบริดที่ใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่สำหรับการคาดการณ์ข้อมูลอนุกรมเวลา
ใบสมัคร คอมพิวเตอร์ซอฟท์ , 23 ( 2014 ) , หน้า27 - 38
ดู PDFดูบทความดูใน ScopusGoogle Scholar
บูเมียร์ และอิดริสซา, 2016
ซี. บิวเมียร์, เอ็ม. อิดริสซา
แบบจำลองภูมิประเทศแบบดิจิทัลที่ได้มาจากแบบจำลองพื้นผิวแบบดิจิทัลตามภูมิภาคในเขตเมือง
นานาชาติ J. Remote Sens. , 37 ( 15 ) ( 2016 ) , หน้า3477 - 3493
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
บอร์โดนี และคณะ 2015
เอ็ม. บอร์โดนี่, ซี. เมซิน่า, อาร์. วาเลนติโน่, เอ็น. ลู, เอ็ม. บิทเตลลี่, เอส. เชอร์ซิช
ปัจจัยทางอุทกวิทยาที่ส่งผลต่อดินถล่มตื้นๆ ที่เกิดจากฝนตก: ตั้งแต่การติดตามภาคสนามไปจนถึงการวิเคราะห์ความเสถียรของเนินแบบง่าย
อังกฤษ จีออล. , 193 ( 2015 ) , หน้า19 - 37
ดู PDFดูบทความดูใน ScopusGoogle Scholar
บอร์กา และคณะ 1998
เอ็ม. บอร์กา, จี. ดัลลา ฟอนทาน่า, ดี. ดา รอส, แอล. มาร์ชี่
การประเมินอันตรายจากดินถล่มตื้นโดยใช้แบบจำลองทางกายภาพและข้อมูลระดับความสูงแบบดิจิทัล
สภาพแวดล้อม จีออล. , 35 ( 2–3 ) ( 1998 ) , หน้า81 - 88
ดูใน ScopusGoogle Scholar
บูเคเลีย และคณะ 2019
เอ. บูเคเลีย, เอช. เอสลามี, เอส. โรซิน-เปาเมียร์, เอฟ. มาสรูรี
ผลของอุณหภูมิและสถานะเริ่มต้นต่อการเปลี่ยนแปลงของพารามิเตอร์ทางความร้อนของดินบดอัดละเอียด
ยูโร เจ. สิ่งแวดล้อม. วิศวกรรมโยธา , 23 ( 9 ) ( 2019 ) , หน้า1125 - 1138
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
คาร์รารา และคณะ 1991
อ. คาร์รารา, เอ็ม. คาร์ดินาลี, ร. เดตติ, เอฟ. กุซเซตติ, วี. ปาสควิ, พี. ไรเชนบัค
เทคนิค GIS และแบบจำลองทางสถิติในการประเมินอันตรายจากดินถล่ม
เอิร์ธเซิร์ฟ กระบวนการ. ลันด์ฟ. , 16 ( 5 ) ( 1991 ) , หน้า427 - 445
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
เซนเดรโรและดรามิส, 1996
อ. เซนเดรโร, เอฟ. ดรามิส
การมีส่วนร่วมของแผ่นดินถล่มต่อวิวัฒนาการภูมิทัศน์
ยูโร จีโอมอร์โฟล. , 15 ( 3–4 ) ( 1996 ) , หน้า191 - 211
ดู PDFดูบทความดูใน ScopusGoogle Scholar
คอร์บารีและมันชินี, 2014
ซี. คอร์บารี, เอ็ม. มันชินี
การสอบเทียบและการตรวจสอบความถูกต้องของแบบจำลองสมดุลพลังงาน-น้ำแบบกระจายโดยใช้ข้อมูลดาวเทียมของการวัดอุณหภูมิพื้นผิวพื้นดินและการปล่อยประจุดิน
เจ. ไฮโดรเมทิโอรอล. , 15 ( 1 ) ( 2014 ) , หน้า376 - 392
ดูใน ScopusGoogle Scholar
ฟายาซ และคณะ 2022
เอ็ม. ฟายาซ, จี. เมราจ , เอสเอ คาเดอร์, เอ็ม. ฟารุก, เอส. คังก้า, เอสเคซิงห์, พี. คูมาร์, เอ็น. ซาฮู
การจัดการดินถล่มในเขตเปลี่ยนผ่านระหว่างชนบทและเมืองโดยใช้อัลกอริธึมการเรียนรู้ของเครื่อง—กรณีศึกษาทางหลวงแผ่นดิน (NH-44) ประเทศอินเดีย ในภูมิประเทศอันขรุขระของเทือกเขาหิมาลัย |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
Essay | Explain the methodology employed in the study to evaluate geotechnical parameters and assess the probability of future landslide events. Discuss the potential implications of using artificial intelligence and machine learning in hazard management in the Himalayas, with reference to the study's guiding framework.
|
เหตุดินถล่มบ่อยครั้งบนทางหลวงแห่งชาติมักจะยังคงปิดให้บริการ ส่งผลกระทบต่อเศรษฐกิจของรัฐ และคร่าชีวิตอันมีค่าเนื่องจากดินถล่มและก้อนหินถล่ม ปัจจัยที่รับผิดชอบและค่าเกณฑ์วิกฤติที่ก่อให้เกิดแผ่นดินถล่มจะถูกระบุโดยใช้การสำรวจภาคสนาม การตรวจสอบทางธรณีเทคนิค การทดสอบทางห้องปฏิบัติการทางธรณีวิทยา และเทคนิคการสำรวจระยะไกล ข้อมูลเหตุการณ์ดินถล่มระหว่างปี 2547 ถึง 2557 (NASA) ข้อมูลปริมาณน้ำฝนระหว่างปี 2523 ถึง 2553 (สถานี IMD Qazigung Kashmir) และข้อมูล LST (NASA) ระหว่างปี 2543 ถึง 2562 ได้รับการวิเคราะห์เพื่อค้นหาสาเหตุของความล้มเหลวของที่ดินในพื้นที่ศึกษา นอกจากนี้ คาดการณ์ LST และการตกตะกอนโดยใช้เครื่องมือทางสถิติ SPSS และแบบจำลองการพยากรณ์ ARIMA เพื่อระบุความน่าจะเป็นของเหตุการณ์ดินถล่มในพื้นที่ศึกษา ทั้งสองแสดงแนวโน้มเชิงเส้นที่สำคัญ ซึ่งหมายความว่าดินถล่มมีแนวโน้มที่จะเกิดขึ้นอย่างมากในพื้นที่ศึกษา จากการสำรวจทางธรณีเทคนิค จะได้ตัวอย่างดินที่ไม่ถูกรบกวนจากพื้นที่ศึกษาเพื่อหาคุณสมบัติทางธรณีกลศาสตร์และคุณลักษณะของดิน ตัวอย่างได้รับการทดสอบโดยใช้การทดลองในห้องปฏิบัติการทางกายภาพและทางกลภายใต้สภาวะและระดับความชื้นต่างๆ สำหรับความหนาแน่นตามธรรมชาติ ปริมาณความชื้น แรงเฉือนโดยตรง (c, phi) ความถ่วงจำเพาะ และขีดจำกัดของ Atterberg (ขีดจำกัดของเหลว ขีดจำกัดพลาสติก และดัชนีความเป็นพลาสติก) เพื่อกำหนดความเสถียร พฤติกรรมของดิน เดือนต่างๆ แบ่งตามระดับอันตรายต่ำ สูง และสูงมาก โดยพิจารณาจากปริมาณน้ำฝนเฉลี่ยต่อเดือน จำนวนเหตุการณ์ดินถล่มต่อเดือน และ LST รูปที่ 16ด้านล่างแสดงระดับอันตรายในแต่ละเดือนตั้งแต่ต่ำไปสูงไปจนถึงสูงมาก
รูปที่ 16
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (61KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 16 . ระดับอันตรายในแต่ละเดือน (สีแดง = สูงมาก สีเหลือง = สูง สีเขียว = ต่ำ)
ในการศึกษาปัจจุบัน เราทำการประเมินตามภาคสนามของพารามิเตอร์ทางธรณีเทคนิคซึ่งแสดงให้เห็นว่ามีอิทธิพลต่อการเกิดแผ่นดินถล่มโดยเฉพาะในภูมิประเทศหิมาลัย นอกจากนี้เรายังใช้พารามิเตอร์ธรณีเทคนิคที่ได้รับการประเมินเพื่อจำลองการเกิดแผ่นดินถล่มโดยใช้เครื่องมือการเรียนรู้ของเครื่อง การศึกษาครั้งนี้มีจุดมุ่งหมายเพื่อปรับเทียบและตรวจสอบความถูกต้องของแบบจำลองการเกิดแผ่นดินถล่มโดยยึดตาม SPSS และ ARIMA อย่างไรก็ตาม สามารถดำเนินการเพิ่มเติมได้ด้วยการประเมินแผ่นดินถล่มโดยอิงจลนศาสตร์เชิงลึก ซึ่งถือได้ว่าเป็นขอบเขตของงานนี้ในอนาคต
การประกาศผลประโยชน์ที่แข่งขันกัน
ผู้เขียนขอประกาศว่าไม่มีความขัดแย้งทางผลประโยชน์
การรับทราบ
ผู้เขียนขอขอบคุณผู้ตัดสินที่ตรวจสอบต้นฉบับและเสนอแนะความคิดเห็นอันมีค่า ผู้เขียนขอขอบคุณ BS ด้วยเช่นกัน สถาบันวิทยาศาสตร์และเทคโนโลยี Abdur Rahman Crescent Vandalur Chennai สำหรับการคบหา และเรายังขอขอบคุณ Muzamil Fayaz และทีมงานสำหรับความช่วยเหลือในการสืบสวนภาคสนาม ผู้เขียน GM ขอขอบคุณกรมวิทยาศาสตร์และเทคโนโลยี รัฐบาลอินเดีย (DST-GoI) สำหรับการมอบทุนภายใต้โครงการสำหรับนักวิทยาศาสตร์รุ่นเยาว์และเทคโนโลยี (SYST-SEED) [Grant no. SP/YO/2019/1362(G) & (C)]
ความพร้อมใช้งานของข้อมูล
ข้อมูลจะถูกจัดทำตามคำขอ
อ้างอิง
อเล็กซานเดอร์, 1992
ดี. อเล็กซานเดอร์
สาเหตุของแผ่นดินถล่ม กิจกรรมของมนุษย์ การรับรู้ และกระบวนการทางธรรมชาติ
สภาพแวดล้อม จีออล. วิทย์น้ำ , 20 ( 3 ) ( 1992 ) , หน้า165 - 179
ดูใน ScopusGoogle Scholar
อัลไคเออร์ และคณะ 2012
เอฟ. อัลไคเออร์, จีเอ็น เฟลอร์ชิงเกอร์, ซี. ซู
ผลกระทบของน้ำใต้ดินตื้นต่ออุณหภูมิพื้นผิวดินและสมดุลพลังงานพื้นผิวภายใต้สภาพดินเปลือย: การสร้างแบบจำลองและคำอธิบาย
ไฮโดรล ระบบเอิร์ธ วิทยาศาสตร์ , 16 ( 7 ) ( 2012 ) , หน้า. 1817
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
อันซารี และคณะ 2015
MK Ansari , M. Ahmed , TR Singh , I. Ghalayani
ฝนตก สาเหตุสำคัญที่ทำให้เกิดอันตรายจากหินถล่มตามถนน ทางหลวง และทางรถไฟบนภูมิประเทศที่เป็นเนินเขาในประเทศอินเดีย
อังกฤษ จีออล. สังคมสงเคราะห์ เทอร์ริท. , 1 ( 2015 ) , หน้า457 - 460
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
บาบูและเรดดี้, 2014
ซีเอ็น บาบูพ.ศ. เร ดดี้
โมเดล ARIMA–ANN แบบไฮบริดที่ใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่สำหรับการคาดการณ์ข้อมูลอนุกรมเวลา
ใบสมัคร คอมพิวเตอร์ซอฟท์ , 23 ( 2014 ) , หน้า27 - 38
ดู PDFดูบทความดูใน ScopusGoogle Scholar
บูเมียร์ และอิดริสซา, 2016
ซี. บิวเมียร์, เอ็ม. อิดริสซา
แบบจำลองภูมิประเทศแบบดิจิทัลที่ได้มาจากแบบจำลองพื้นผิวแบบดิจิทัลตามภูมิภาคในเขตเมือง
นานาชาติ J. Remote Sens. , 37 ( 15 ) ( 2016 ) , หน้า3477 - 3493
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
บอร์โดนี และคณะ 2015
เอ็ม. บอร์โดนี่, ซี. เมซิน่า, อาร์. วาเลนติโน่, เอ็น. ลู, เอ็ม. บิทเตลลี่, เอส. เชอร์ซิช
ปัจจัยทางอุทกวิทยาที่ส่งผลต่อดินถล่มตื้นๆ ที่เกิดจากฝนตก: ตั้งแต่การติดตามภาคสนามไปจนถึงการวิเคราะห์ความเสถียรของเนินแบบง่าย
อังกฤษ จีออล. , 193 ( 2015 ) , หน้า19 - 37
ดู PDFดูบทความดูใน ScopusGoogle Scholar
บอร์กา และคณะ 1998
เอ็ม. บอร์กา, จี. ดัลลา ฟอนทาน่า, ดี. ดา รอส, แอล. มาร์ชี่
การประเมินอันตรายจากดินถล่มตื้นโดยใช้แบบจำลองทางกายภาพและข้อมูลระดับความสูงแบบดิจิทัล
สภาพแวดล้อม จีออล. , 35 ( 2–3 ) ( 1998 ) , หน้า81 - 88
ดูใน ScopusGoogle Scholar
บูเคเลีย และคณะ 2019
เอ. บูเคเลีย, เอช. เอสลามี, เอส. โรซิน-เปาเมียร์, เอฟ. มาสรูรี
ผลของอุณหภูมิและสถานะเริ่มต้นต่อการเปลี่ยนแปลงของพารามิเตอร์ทางความร้อนของดินบดอัดละเอียด
ยูโร เจ. สิ่งแวดล้อม. วิศวกรรมโยธา , 23 ( 9 ) ( 2019 ) , หน้า1125 - 1138
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
คาร์รารา และคณะ 1991
อ. คาร์รารา, เอ็ม. คาร์ดินาลี, ร. เดตติ, เอฟ. กุซเซตติ, วี. ปาสควิ, พี. ไรเชนบัค
เทคนิค GIS และแบบจำลองทางสถิติในการประเมินอันตรายจากดินถล่ม
เอิร์ธเซิร์ฟ กระบวนการ. ลันด์ฟ. , 16 ( 5 ) ( 1991 ) , หน้า427 - 445
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
เซนเดรโรและดรามิส, 1996
อ. เซนเดรโร, เอฟ. ดรามิส
การมีส่วนร่วมของแผ่นดินถล่มต่อวิวัฒนาการภูมิทัศน์
ยูโร จีโอมอร์โฟล. , 15 ( 3–4 ) ( 1996 ) , หน้า191 - 211
ดู PDFดูบทความดูใน ScopusGoogle Scholar
คอร์บารีและมันชินี, 2014
ซี. คอร์บารี, เอ็ม. มันชินี
การสอบเทียบและการตรวจสอบความถูกต้องของแบบจำลองสมดุลพลังงาน-น้ำแบบกระจายโดยใช้ข้อมูลดาวเทียมของการวัดอุณหภูมิพื้นผิวพื้นดินและการปล่อยประจุดิน
เจ. ไฮโดรเมทิโอรอล. , 15 ( 1 ) ( 2014 ) , หน้า376 - 392
ดูใน ScopusGoogle Scholar
ฟายาซ และคณะ 2022
เอ็ม. ฟายาซ, จี. เมราจ , เอสเอ คาเดอร์, เอ็ม. ฟารุก, เอส. คังก้า, เอสเคซิงห์, พี. คูมาร์, เอ็น. ซาฮู
การจัดการดินถล่มในเขตเปลี่ยนผ่านระหว่างชนบทและเมืองโดยใช้อัลกอริธึมการเรียนรู้ของเครื่อง—กรณีศึกษาทางหลวงแผ่นดิน (NH-44) ประเทศอินเดีย ในภูมิประเทศอันขรุขระของเทือกเขาหิมาลัย |
|
เหตุดินถล่มบ่อยครั้งบนทางหลวงแห่งชาติมักจะยังคงปิดให้บริการ ส่งผลกระทบต่อเศรษฐกิจของรัฐ และคร่าชีวิตอันมีค่าเนื่องจากดินถล่มและก้อนหินถล่ม ปัจจัยที่รับผิดชอบและค่าเกณฑ์วิกฤติที่ก่อให้เกิดแผ่นดินถล่มจะถูกระบุโดยใช้การสำรวจภาคสนาม การตรวจสอบทางธรณีเทคนิค การทดสอบทางห้องปฏิบัติการทางธรณีวิทยา และเทคนิคการสำรวจระยะไกล ข้อมูลเหตุการณ์ดินถล่มระหว่างปี 2547 ถึง 2557 (NASA) ข้อมูลปริมาณน้ำฝนระหว่างปี 2523 ถึง 2553 (สถานี IMD Qazigung Kashmir) และข้อมูล LST (NASA) ระหว่างปี 2543 ถึง 2562 ได้รับการวิเคราะห์เพื่อค้นหาสาเหตุของความล้มเหลวของที่ดินในพื้นที่ศึกษา นอกจากนี้ คาดการณ์ LST และการตกตะกอนโดยใช้เครื่องมือทางสถิติ SPSS และแบบจำลองการพยากรณ์ ARIMA เพื่อระบุความน่าจะเป็นของเหตุการณ์ดินถล่มในพื้นที่ศึกษา ทั้งสองแสดงแนวโน้มเชิงเส้นที่สำคัญ ซึ่งหมายความว่าดินถล่มมีแนวโน้มที่จะเกิดขึ้นอย่างมากในพื้นที่ศึกษา จากการสำรวจทางธรณีเทคนิค จะได้ตัวอย่างดินที่ไม่ถูกรบกวนจากพื้นที่ศึกษาเพื่อหาคุณสมบัติทางธรณีกลศาสตร์และคุณลักษณะของดิน ตัวอย่างได้รับการทดสอบโดยใช้การทดลองในห้องปฏิบัติการทางกายภาพและทางกลภายใต้สภาวะและระดับความชื้นต่างๆ สำหรับความหนาแน่นตามธรรมชาติ ปริมาณความชื้น แรงเฉือนโดยตรง (c, phi) ความถ่วงจำเพาะ และขีดจำกัดของ Atterberg (ขีดจำกัดของเหลว ขีดจำกัดพลาสติก และดัชนีความเป็นพลาสติก) เพื่อกำหนดความเสถียร พฤติกรรมของดิน เดือนต่างๆ แบ่งตามระดับอันตรายต่ำ สูง และสูงมาก โดยพิจารณาจากปริมาณน้ำฝนเฉลี่ยต่อเดือน จำนวนเหตุการณ์ดินถล่มต่อเดือน และ LST รูปที่ 16ด้านล่างแสดงระดับอันตรายในแต่ละเดือนตั้งแต่ต่ำไปสูงไปจนถึงสูงมาก
รูปที่ 16
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (61KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 16 . ระดับอันตรายในแต่ละเดือน (สีแดง = สูงมาก สีเหลือง = สูง สีเขียว = ต่ำ)
ในการศึกษาปัจจุบัน เราทำการประเมินตามภาคสนามของพารามิเตอร์ทางธรณีเทคนิคซึ่งแสดงให้เห็นว่ามีอิทธิพลต่อการเกิดแผ่นดินถล่มโดยเฉพาะในภูมิประเทศหิมาลัย นอกจากนี้เรายังใช้พารามิเตอร์ธรณีเทคนิคที่ได้รับการประเมินเพื่อจำลองการเกิดแผ่นดินถล่มโดยใช้เครื่องมือการเรียนรู้ของเครื่อง การศึกษาครั้งนี้มีจุดมุ่งหมายเพื่อปรับเทียบและตรวจสอบความถูกต้องของแบบจำลองการเกิดแผ่นดินถล่มโดยยึดตาม SPSS และ ARIMA อย่างไรก็ตาม สามารถดำเนินการเพิ่มเติมได้ด้วยการประเมินแผ่นดินถล่มโดยอิงจลนศาสตร์เชิงลึก ซึ่งถือได้ว่าเป็นขอบเขตของงานนี้ในอนาคต
การประกาศผลประโยชน์ที่แข่งขันกัน
ผู้เขียนขอประกาศว่าไม่มีความขัดแย้งทางผลประโยชน์
การรับทราบ
ผู้เขียนขอขอบคุณผู้ตัดสินที่ตรวจสอบต้นฉบับและเสนอแนะความคิดเห็นอันมีค่า ผู้เขียนขอขอบคุณ BS ด้วยเช่นกัน สถาบันวิทยาศาสตร์และเทคโนโลยี Abdur Rahman Crescent Vandalur Chennai สำหรับการคบหา และเรายังขอขอบคุณ Muzamil Fayaz และทีมงานสำหรับความช่วยเหลือในการสืบสวนภาคสนาม ผู้เขียน GM ขอขอบคุณกรมวิทยาศาสตร์และเทคโนโลยี รัฐบาลอินเดีย (DST-GoI) สำหรับการมอบทุนภายใต้โครงการสำหรับนักวิทยาศาสตร์รุ่นเยาว์และเทคโนโลยี (SYST-SEED) [Grant no. SP/YO/2019/1362(G) & (C)]
ความพร้อมใช้งานของข้อมูล
ข้อมูลจะถูกจัดทำตามคำขอ
อ้างอิง
อเล็กซานเดอร์, 1992
ดี. อเล็กซานเดอร์
สาเหตุของแผ่นดินถล่ม กิจกรรมของมนุษย์ การรับรู้ และกระบวนการทางธรรมชาติ
สภาพแวดล้อม จีออล. วิทย์น้ำ , 20 ( 3 ) ( 1992 ) , หน้า165 - 179
ดูใน ScopusGoogle Scholar
อัลไคเออร์ และคณะ 2012
เอฟ. อัลไคเออร์, จีเอ็น เฟลอร์ชิงเกอร์, ซี. ซู
ผลกระทบของน้ำใต้ดินตื้นต่ออุณหภูมิพื้นผิวดินและสมดุลพลังงานพื้นผิวภายใต้สภาพดินเปลือย: การสร้างแบบจำลองและคำอธิบาย
ไฮโดรล ระบบเอิร์ธ วิทยาศาสตร์ , 16 ( 7 ) ( 2012 ) , หน้า. 1817
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
อันซารี และคณะ 2015
MK Ansari , M. Ahmed , TR Singh , I. Ghalayani
ฝนตก สาเหตุสำคัญที่ทำให้เกิดอันตรายจากหินถล่มตามถนน ทางหลวง และทางรถไฟบนภูมิประเทศที่เป็นเนินเขาในประเทศอินเดีย
อังกฤษ จีออล. สังคมสงเคราะห์ เทอร์ริท. , 1 ( 2015 ) , หน้า457 - 460
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
บาบูและเรดดี้, 2014
ซีเอ็น บาบูพ.ศ. เร ดดี้
โมเดล ARIMA–ANN แบบไฮบริดที่ใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่สำหรับการคาดการณ์ข้อมูลอนุกรมเวลา
ใบสมัคร คอมพิวเตอร์ซอฟท์ , 23 ( 2014 ) , หน้า27 - 38
ดู PDFดูบทความดูใน ScopusGoogle Scholar
บูเมียร์ และอิดริสซา, 2016
ซี. บิวเมียร์, เอ็ม. อิดริสซา
แบบจำลองภูมิประเทศแบบดิจิทัลที่ได้มาจากแบบจำลองพื้นผิวแบบดิจิทัลตามภูมิภาคในเขตเมือง
นานาชาติ J. Remote Sens. , 37 ( 15 ) ( 2016 ) , หน้า3477 - 3493
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
บอร์โดนี และคณะ 2015
เอ็ม. บอร์โดนี่, ซี. เมซิน่า, อาร์. วาเลนติโน่, เอ็น. ลู, เอ็ม. บิทเตลลี่, เอส. เชอร์ซิช
ปัจจัยทางอุทกวิทยาที่ส่งผลต่อดินถล่มตื้นๆ ที่เกิดจากฝนตก: ตั้งแต่การติดตามภาคสนามไปจนถึงการวิเคราะห์ความเสถียรของเนินแบบง่าย
อังกฤษ จีออล. , 193 ( 2015 ) , หน้า19 - 37
ดู PDFดูบทความดูใน ScopusGoogle Scholar
บอร์กา และคณะ 1998
เอ็ม. บอร์กา, จี. ดัลลา ฟอนทาน่า, ดี. ดา รอส, แอล. มาร์ชี่
การประเมินอันตรายจากดินถล่มตื้นโดยใช้แบบจำลองทางกายภาพและข้อมูลระดับความสูงแบบดิจิทัล
สภาพแวดล้อม จีออล. , 35 ( 2–3 ) ( 1998 ) , หน้า81 - 88
ดูใน ScopusGoogle Scholar
บูเคเลีย และคณะ 2019
เอ. บูเคเลีย, เอช. เอสลามี, เอส. โรซิน-เปาเมียร์, เอฟ. มาสรูรี
ผลของอุณหภูมิและสถานะเริ่มต้นต่อการเปลี่ยนแปลงของพารามิเตอร์ทางความร้อนของดินบดอัดละเอียด
ยูโร เจ. สิ่งแวดล้อม. วิศวกรรมโยธา , 23 ( 9 ) ( 2019 ) , หน้า1125 - 1138
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
คาร์รารา และคณะ 1991
อ. คาร์รารา, เอ็ม. คาร์ดินาลี, ร. เดตติ, เอฟ. กุซเซตติ, วี. ปาสควิ, พี. ไรเชนบัค
เทคนิค GIS และแบบจำลองทางสถิติในการประเมินอันตรายจากดินถล่ม
เอิร์ธเซิร์ฟ กระบวนการ. ลันด์ฟ. , 16 ( 5 ) ( 1991 ) , หน้า427 - 445
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
เซนเดรโรและดรามิส, 1996
อ. เซนเดรโร, เอฟ. ดรามิส
การมีส่วนร่วมของแผ่นดินถล่มต่อวิวัฒนาการภูมิทัศน์
ยูโร จีโอมอร์โฟล. , 15 ( 3–4 ) ( 1996 ) , หน้า191 - 211
ดู PDFดูบทความดูใน ScopusGoogle Scholar
คอร์บารีและมันชินี, 2014
ซี. คอร์บารี, เอ็ม. มันชินี
การสอบเทียบและการตรวจสอบความถูกต้องของแบบจำลองสมดุลพลังงาน-น้ำแบบกระจายโดยใช้ข้อมูลดาวเทียมของการวัดอุณหภูมิพื้นผิวพื้นดินและการปล่อยประจุดิน
เจ. ไฮโดรเมทิโอรอล. , 15 ( 1 ) ( 2014 ) , หน้า376 - 392
ดูใน ScopusGoogle Scholar
ฟายาซ และคณะ 2022
เอ็ม. ฟายาซ, จี. เมราจ , เอสเอ คาเดอร์, เอ็ม. ฟารุก, เอส. คังก้า, เอสเคซิงห์, พี. คูมาร์, เอ็น. ซาฮู
การจัดการดินถล่มในเขตเปลี่ยนผ่านระหว่างชนบทและเมืองโดยใช้อัลกอริธึมการเรียนรู้ของเครื่อง—กรณีศึกษาทางหลวงแผ่นดิน (NH-44) ประเทศอินเดีย ในภูมิประเทศอันขรุขระของเทือกเขาหิมาลัย |
เหตุดินถล่มบ่อยครั้งบนทางหลวงแห่งชาติมักจะยังคงปิดให้บริการ ส่งผลกระทบต่อเศรษฐกิจของรัฐ และคร่าชีวิตอันมีค่าเนื่องจากดินถล่มและก้อนหินถล่ม ปัจจัยที่รับผิดชอบและค่าเกณฑ์วิกฤติที่ก่อให้เกิดแผ่นดินถล่มจะถูกระบุโดยใช้การสำรวจภาคสนาม การตรวจสอบทางธรณีเทคนิค การทดสอบทางห้องปฏิบัติการทางธรณีวิทยา และเทคนิคการสำรวจระยะไกล ข้อมูลเหตุการณ์ดินถล่มระหว่างปี 2547 ถึง 2557 (NASA) ข้อมูลปริมาณน้ำฝนระหว่างปี 2523 ถึง 2553 (สถานี IMD Qazigung Kashmir) และข้อมูล LST (NASA) ระหว่างปี 2543 ถึง 2562 ได้รับการวิเคราะห์เพื่อค้นหาสาเหตุของความล้มเหลวของที่ดินในพื้นที่ศึกษา นอกจากนี้ คาดการณ์ LST และการตกตะกอนโดยใช้เครื่องมือทางสถิติ SPSS และแบบจำลองการพยากรณ์ ARIMA เพื่อระบุความน่าจะเป็นของเหตุการณ์ดินถล่มในพื้นที่ศึกษา ทั้งสองแสดงแนวโน้มเชิงเส้นที่สำคัญ ซึ่งหมายความว่าดินถล่มมีแนวโน้มที่จะเกิดขึ้นอย่างมากในพื้นที่ศึกษา จากการสำรวจทางธรณีเทคนิค จะได้ตัวอย่างดินที่ไม่ถูกรบกวนจากพื้นที่ศึกษาเพื่อหาคุณสมบัติทางธรณีกลศาสตร์และคุณลักษณะของดิน ตัวอย่างได้รับการทดสอบโดยใช้การทดลองในห้องปฏิบัติการทางกายภาพและทางกลภายใต้สภาวะและระดับความชื้นต่างๆ สำหรับความหนาแน่นตามธรรมชาติ ปริมาณความชื้น แรงเฉือนโดยตรง (c, phi) ความถ่วงจำเพาะ และขีดจำกัดของ Atterberg (ขีดจำกัดของเหลว ขีดจำกัดพลาสติก และดัชนีความเป็นพลาสติก) เพื่อกำหนดความเสถียร พฤติกรรมของดิน เดือนต่างๆ แบ่งตามระดับอันตรายต่ำ สูง และสูงมาก โดยพิจารณาจากปริมาณน้ำฝนเฉลี่ยต่อเดือน จำนวนเหตุการณ์ดินถล่มต่อเดือน และ LST รูปที่ 16ด้านล่างแสดงระดับอันตรายในแต่ละเดือนตั้งแต่ต่ำไปสูงไปจนถึงสูงมาก
รูปที่ 16
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (61KB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 16 . ระดับอันตรายในแต่ละเดือน (สีแดง = สูงมาก สีเหลือง = สูง สีเขียว = ต่ำ)
ในการศึกษาปัจจุบัน เราทำการประเมินตามภาคสนามของพารามิเตอร์ทางธรณีเทคนิคซึ่งแสดงให้เห็นว่ามีอิทธิพลต่อการเกิดแผ่นดินถล่มโดยเฉพาะในภูมิประเทศหิมาลัย นอกจากนี้เรายังใช้พารามิเตอร์ธรณีเทคนิคที่ได้รับการประเมินเพื่อจำลองการเกิดแผ่นดินถล่มโดยใช้เครื่องมือการเรียนรู้ของเครื่อง การศึกษาครั้งนี้มีจุดมุ่งหมายเพื่อปรับเทียบและตรวจสอบความถูกต้องของแบบจำลองการเกิดแผ่นดินถล่มโดยยึดตาม SPSS และ ARIMA อย่างไรก็ตาม สามารถดำเนินการเพิ่มเติมได้ด้วยการประเมินแผ่นดินถล่มโดยอิงจลนศาสตร์เชิงลึก ซึ่งถือได้ว่าเป็นขอบเขตของงานนี้ในอนาคต
การประกาศผลประโยชน์ที่แข่งขันกัน
ผู้เขียนขอประกาศว่าไม่มีความขัดแย้งทางผลประโยชน์
การรับทราบ
ผู้เขียนขอขอบคุณผู้ตัดสินที่ตรวจสอบต้นฉบับและเสนอแนะความคิดเห็นอันมีค่า ผู้เขียนขอขอบคุณ BS ด้วยเช่นกัน สถาบันวิทยาศาสตร์และเทคโนโลยี Abdur Rahman Crescent Vandalur Chennai สำหรับการคบหา และเรายังขอขอบคุณ Muzamil Fayaz และทีมงานสำหรับความช่วยเหลือในการสืบสวนภาคสนาม ผู้เขียน GM ขอขอบคุณกรมวิทยาศาสตร์และเทคโนโลยี รัฐบาลอินเดีย (DST-GoI) สำหรับการมอบทุนภายใต้โครงการสำหรับนักวิทยาศาสตร์รุ่นเยาว์และเทคโนโลยี (SYST-SEED) [Grant no. SP/YO/2019/1362(G) & (C)]
ความพร้อมใช้งานของข้อมูล
ข้อมูลจะถูกจัดทำตามคำขอ
อ้างอิง
อเล็กซานเดอร์, 1992
ดี. อเล็กซานเดอร์
สาเหตุของแผ่นดินถล่ม กิจกรรมของมนุษย์ การรับรู้ และกระบวนการทางธรรมชาติ
สภาพแวดล้อม จีออล. วิทย์น้ำ , 20 ( 3 ) ( 1992 ) , หน้า165 - 179
ดูใน ScopusGoogle Scholar
อัลไคเออร์ และคณะ 2012
เอฟ. อัลไคเออร์, จีเอ็น เฟลอร์ชิงเกอร์, ซี. ซู
ผลกระทบของน้ำใต้ดินตื้นต่ออุณหภูมิพื้นผิวดินและสมดุลพลังงานพื้นผิวภายใต้สภาพดินเปลือย: การสร้างแบบจำลองและคำอธิบาย
ไฮโดรล ระบบเอิร์ธ วิทยาศาสตร์ , 16 ( 7 ) ( 2012 ) , หน้า. 1817
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
อันซารี และคณะ 2015
MK Ansari , M. Ahmed , TR Singh , I. Ghalayani
ฝนตก สาเหตุสำคัญที่ทำให้เกิดอันตรายจากหินถล่มตามถนน ทางหลวง และทางรถไฟบนภูมิประเทศที่เป็นเนินเขาในประเทศอินเดีย
อังกฤษ จีออล. สังคมสงเคราะห์ เทอร์ริท. , 1 ( 2015 ) , หน้า457 - 460
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
บาบูและเรดดี้, 2014
ซีเอ็น บาบูพ.ศ. เร ดดี้
โมเดล ARIMA–ANN แบบไฮบริดที่ใช้ตัวกรองค่าเฉลี่ยเคลื่อนที่สำหรับการคาดการณ์ข้อมูลอนุกรมเวลา
ใบสมัคร คอมพิวเตอร์ซอฟท์ , 23 ( 2014 ) , หน้า27 - 38
ดู PDFดูบทความดูใน ScopusGoogle Scholar
บูเมียร์ และอิดริสซา, 2016
ซี. บิวเมียร์, เอ็ม. อิดริสซา
แบบจำลองภูมิประเทศแบบดิจิทัลที่ได้มาจากแบบจำลองพื้นผิวแบบดิจิทัลตามภูมิภาคในเขตเมือง
นานาชาติ J. Remote Sens. , 37 ( 15 ) ( 2016 ) , หน้า3477 - 3493
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
บอร์โดนี และคณะ 2015
เอ็ม. บอร์โดนี่, ซี. เมซิน่า, อาร์. วาเลนติโน่, เอ็น. ลู, เอ็ม. บิทเตลลี่, เอส. เชอร์ซิช
ปัจจัยทางอุทกวิทยาที่ส่งผลต่อดินถล่มตื้นๆ ที่เกิดจากฝนตก: ตั้งแต่การติดตามภาคสนามไปจนถึงการวิเคราะห์ความเสถียรของเนินแบบง่าย
อังกฤษ จีออล. , 193 ( 2015 ) , หน้า19 - 37
ดู PDFดูบทความดูใน ScopusGoogle Scholar
บอร์กา และคณะ 1998
เอ็ม. บอร์กา, จี. ดัลลา ฟอนทาน่า, ดี. ดา รอส, แอล. มาร์ชี่
การประเมินอันตรายจากดินถล่มตื้นโดยใช้แบบจำลองทางกายภาพและข้อมูลระดับความสูงแบบดิจิทัล
สภาพแวดล้อม จีออล. , 35 ( 2–3 ) ( 1998 ) , หน้า81 - 88
ดูใน ScopusGoogle Scholar
บูเคเลีย และคณะ 2019
เอ. บูเคเลีย, เอช. เอสลามี, เอส. โรซิน-เปาเมียร์, เอฟ. มาสรูรี
ผลของอุณหภูมิและสถานะเริ่มต้นต่อการเปลี่ยนแปลงของพารามิเตอร์ทางความร้อนของดินบดอัดละเอียด
ยูโร เจ. สิ่งแวดล้อม. วิศวกรรมโยธา , 23 ( 9 ) ( 2019 ) , หน้า1125 - 1138
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
คาร์รารา และคณะ 1991
อ. คาร์รารา, เอ็ม. คาร์ดินาลี, ร. เดตติ, เอฟ. กุซเซตติ, วี. ปาสควิ, พี. ไรเชนบัค
เทคนิค GIS และแบบจำลองทางสถิติในการประเมินอันตรายจากดินถล่ม
เอิร์ธเซิร์ฟ กระบวนการ. ลันด์ฟ. , 16 ( 5 ) ( 1991 ) , หน้า427 - 445
ดูบทความ CrossRefดูใน ScopusGoogle Scholar
เซนเดรโรและดรามิส, 1996
อ. เซนเดรโร, เอฟ. ดรามิส
การมีส่วนร่วมของแผ่นดินถล่มต่อวิวัฒนาการภูมิทัศน์
ยูโร จีโอมอร์โฟล. , 15 ( 3–4 ) ( 1996 ) , หน้า191 - 211
ดู PDFดูบทความดูใน ScopusGoogle Scholar
คอร์บารีและมันชินี, 2014
ซี. คอร์บารี, เอ็ม. มันชินี
การสอบเทียบและการตรวจสอบความถูกต้องของแบบจำลองสมดุลพลังงาน-น้ำแบบกระจายโดยใช้ข้อมูลดาวเทียมของการวัดอุณหภูมิพื้นผิวพื้นดินและการปล่อยประจุดิน
เจ. ไฮโดรเมทิโอรอล. , 15 ( 1 ) ( 2014 ) , หน้า376 - 392
ดูใน ScopusGoogle Scholar
ฟายาซ และคณะ 2022
เอ็ม. ฟายาซ, จี. เมราจ , เอสเอ คาเดอร์, เอ็ม. ฟารุก, เอส. คังก้า, เอสเคซิงห์, พี. คูมาร์, เอ็น. ซาฮู
การจัดการดินถล่มในเขตเปลี่ยนผ่านระหว่างชนบทและเมืองโดยใช้อัลกอริธึมการเรียนรู้ของเครื่อง—กรณีศึกษาทางหลวงแผ่นดิน (NH-44) ประเทศอินเดีย ในภูมิประเทศอันขรุขระของเทือกเขาหิมาลัย |
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
How was the landslide inventory database divided for training and testing in the research?
|
80% training, 20% testing |
|
ของภูมิประเทศ ภูมิอากาศทางน้ำ ธรณีวิทยา และมานุษยวิทยา ฐานข้อมูลสินค้าคงคลังถล่มทลาย (255 แห่ง) ถูกสุ่มแบ่งออกเป็นชุดการฝึกอบรม (80 %) และชุดการทดสอบ (20 %) LSM แสดงให้เห็นว่าเกือบ 9–12 % ของพื้นที่ในเขต Chattogram มีความอ่อนไหวต่อดินถล่มอย่างมาก โซนที่มีความเสี่ยงสูงครอบคลุมเทือกเขาของเขต Chattogram ซึ่งมีกระบวนการทางสัณฐานวิทยาที่ใช้งานอยู่ (การกัดเซาะและการทำลายล้าง) ที่โดดเด่น ค่าROC สำหรับข้อมูลการฝึกอบรมคือ 0.943, 0.917 และ 0.947 และข้อมูลการทดสอบคือ 0.963, 0.934 และ 0.905 สำหรับรุ่น LR, RF และ DRT ตามลำดับ มีความแม่นยำสูงกว่าการวิจัยครั้งก่อนเมื่อเปรียบเทียบกับขอบเขตพื้นที่ศึกษาและขนาดของสินค้าคงคลัง ในบรรดาแบบจำลองต่างๆ LR แสดงอัตราการทำนายสูงสุด และ DRT แสดงอัตราความสำเร็จสูงสุด ตามโซนความอ่อนแอ DRT เป็นแบบจำลองที่สมจริงมากกว่า ตามด้วย LR แผนที่นี้สามารถนำไปใช้ในระดับท้องถิ่นเพื่อการจัดการอันตรายจากดินถล่ม |
ของภูมิประเทศ ภูมิอากาศทางน้ำ ธรณีวิทยา และมานุษยวิทยา ฐานข้อมูลสินค้าคงคลังถล่มทลาย (255 แห่ง) ถูกสุ่มแบ่งออกเป็นชุดการฝึกอบรม (80 %) และชุดการทดสอบ (20 %) LSM แสดงให้เห็นว่าเกือบ 9–12 % ของพื้นที่ในเขต Chattogram มีความอ่อนไหวต่อดินถล่มอย่างมาก โซนที่มีความเสี่ยงสูงครอบคลุมเทือกเขาของเขต Chattogram ซึ่งมีกระบวนการทางสัณฐานวิทยาที่ใช้งานอยู่ (การกัดเซาะและการทำลายล้าง) ที่โดดเด่น ค่าROC สำหรับข้อมูลการฝึกอบรมคือ 0.943, 0.917 และ 0.947 และข้อมูลการทดสอบคือ 0.963, 0.934 และ 0.905 สำหรับรุ่น LR, RF และ DRT ตามลำดับ มีความแม่นยำสูงกว่าการวิจัยครั้งก่อนเมื่อเปรียบเทียบกับขอบเขตพื้นที่ศึกษาและขนาดของสินค้าคงคลัง ในบรรดาแบบจำลองต่างๆ LR แสดงอัตราการทำนายสูงสุด และ DRT แสดงอัตราความสำเร็จสูงสุด ตามโซนความอ่อนแอ DRT เป็นแบบจำลองที่สมจริงมากกว่า ตามด้วย LR แผนที่นี้สามารถนำไปใช้ในระดับท้องถิ่นเพื่อการจัดการอันตรายจากดินถล่ม |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
Which machine learning model showed the highest prediction rate among LR, RF, and DRT?
|
Decision and Regression Tree (DRT) |
|
ความถี่ ความรุนแรง และความไม่แน่นอนของภัยพิบัติทางธรรมชาติทุกประเภทเพิ่มขึ้นอย่างมีนัยสำคัญทั่วโลก โดยได้รับแรงหนุนจากผลกระทบด้านลบของสภาพภูมิอากาศ ตามฐานข้อมูล EM-DAT จากบันทึกภัยพิบัติทางธรรมชาติ 16,472 รายการ พบว่า 40.2% เกิดขึ้นในเอเชียและ 12.75% ของภัยพิบัติทั้งหมดเกิดขึ้นในเอเชียใต้ ดินถล่มเพียงอย่างเดียวประกอบด้วยร้อยละ 5.08 ของภัยพิบัติทางธรรมชาติทั้งหมดที่เกิดขึ้นทั่วโลก เอเชียเพียงประเทศเดียวได้รับผลกระทบจากแผ่นดินถล่ม 53.88% ที่เกิดขึ้นทั่วโลก และแผ่นดินถล่มในเอเชียเพียงประเทศเดียวคิดเป็น 2.74% ของภัยพิบัติทางธรรมชาติทั้งหมดในโลก [ 1 ] ในอดีต บังคลาเทศประสบภัยพิบัติทางธรรมชาติหลายประการ เช่น น้ำท่วม ภัยแล้ง พายุไซโคลนคลื่นยักษ์การพังทลายของตลิ่ง การรุกล้ำ ของความเค็มและแผ่นดินไหว เนื่องจากสภาพทางภูมิศาสตร์และสภาพอากาศ ที่ซับซ้อน ในช่วงสามสิบปีที่ผ่านมา ปัญหาการตัดเขากลายเป็นปัญหาสำคัญในพื้นที่เนินเขาอันเนื่องมาจากกิจกรรมการพัฒนาและการขยายตัวของเมืองโดยไม่ได้วางแผนไว้ (รวมถึงการอพยพโดยไม่ได้วางแผน) นอกจากนี้ ปริมาณน้ำฝนที่รุนแรงในช่วงเวลาสั้น ๆ ที่เกิดจากการเปลี่ยนแปลงสภาพภูมิอากาศยังเพิ่มขึ้นในบังคลาเทศ ผลที่ตามมาคือ ดินถล่มมักเกิดขึ้นในภูมิประเทศที่เป็นเนินเขาที่เปราะบาง ทำให้เกิดการบาดเจ็บล้มตายครั้งใหญ่และความสูญเสียทางเศรษฐกิจอย่างมีนัยสำคัญ [ 2 , 3 ] ตั้งแต่ปี พ.ศ. 2543-2561 มีเหตุดินถล่มเกิดขึ้นทางตะวันออกเฉียงใต้ของบังคลาเทศ 204 ครั้ง ส่งผลให้มีผู้เสียชีวิต 727 ราย และบาดเจ็บ 1,017 ราย [ 4 ] การเปลี่ยนแปลงพื้นที่ปกคลุมในรูปแบบต่างๆ ในพื้นที่เนินเขา โดยเฉพาะในเขตฉัตรโตแกรม ส่งผลให้เกิดแผ่นดินถล่มอย่างรุนแรงและมีความถี่เพิ่มขึ้นอย่างต่อเนื่อง การตัดเนิน การขยายเตา เผาอิฐ การรวบรวมดินบนเนินเขาสำหรับเตาเผาอิฐ กิจกรรมการเกษตรบนเนินเขาการขยายตัวของเมืองโดยไม่ได้วางแผนไว้ และการอพยพของมนุษย์ไปยังพื้นที่เนินเขา ล้วนเป็นปัจจัยขับเคลื่อนหลักของการเปลี่ยนแปลงสิ่งปกคลุมดินในพื้นที่เนินเขาของบังกลาเทศ การเปลี่ยนแปลงสิ่งปกคลุมดินประเภทนี้ทำให้ภูมิประเทศที่เป็นเนินเขาเปราะบางเสี่ยงต่อการเกิดดินถล่มมากขึ้น [ 2 , 3 ] ตั้งแต่ปี พ.ศ. 2543 ถึง พ.ศ. 2561 แผ่นดินถล่มเพิ่มขึ้นในอัตราร้อยละ 4 และเกิดแผ่นดินถล่มประมาณ 19 ครั้งในแต่ละปี (Sultana 2020) แม้ว่าความเสี่ยงจากแผ่นดินถล่มจะปรากฏชัดเป็นพิเศษในพื้นที่บริษัทในเมือง Chattogram เนื่องจากมีประชากรและทรัพยากรจำนวนมาก พื้นที่อื่นๆ ก็เริ่มเสี่ยงต่อการเกิดแผ่นดินถล่มซึ่งก่อให้เกิดความเสียหายร้ายแรงต่อสิ่งแวดล้อม ผู้คนในชนบท และทรัพยากรธรรมชาติ [ 5 , 6 ]
การทำแผนที่ความไวต่อการเกิดดินถล่มถือเป็นขั้นตอนแรกในการประเมินอันตรายจากแผ่นดินถล่ม ต่อจากนั้นจะช่วยในการจัดการแผ่นดินถล่มและลดการสูญเสียจากภัยพิบัติในภูมิภาค [ [6] , [7] , [8] ] สมมติฐานก็คือการติดตามผลอย่างเหมาะสม การประเมินทางวิทยาศาสตร์ และการตรวจจับพื้นที่ที่อาจเกิดแผ่นดินถล่มเป็นแนวทางที่ดีที่สุดในการลดความเสี่ยงจากแผ่นดินถล่ม [ 9 ] แผนที่ที่เสี่ยงต่อการเกิดดินถล่มที่แม่นยำและข้อมูลเชิงพื้นที่ที่เกี่ยวข้องมีคุณค่าอย่างมากในการตัดสินใจ การกำหนดนโยบายภัยพิบัติ การดำเนินการตาม แผนการใช้ที่ดิน อย่างเหมาะสม ในระดับท้องถิ่น และการใช้มาตรการที่จำเป็นในการลดความเสี่ยงและป้องกันภัยพิบัติเพื่อลดการสูญเสียที่มากขึ้นในระหว่างเกิดภัยพิบัติ [ 10 ].
เทคนิคการทำแผนที่ความไวต่อแผ่นดินไหวถล่มมีหลายประเภท เช่น แบบจำลองทางกายภาพ เชิงคุณภาพ กึ่งปริมาณ และเชิงปริมาณ แบบจำลองทางกายภาพแยกกระบวนการภายในของแผ่นดินถล่ม เทคนิคกึ่งปริมาณผสมผสานเชิงคุณภาพ (ความคิดเห็นของผู้เชี่ยวชาญ) และเทคนิคเชิงปริมาณ [ 11 ] การวิเคราะห์เชิงปริมาณจะวัด ความสัมพันธ์ของ ตัวแปรสองตัวแปรหลายตัวแปร หรือโดยธรรมชาติระหว่างเหตุการณ์แผ่นดินถล่มกับการจัดพื้นที่ที่สอดคล้องกันของปัจจัยการปรับสภาพในเขตแผ่นดินถล่มที่กำหนด โดยใช้เทคนิคทางสถิติ เครื่องจักร และการเรียนรู้เชิงลึก [ [11] , [12] , [13] ] ในวิธีการเชิงปริมาณ การประมาณเชิงตัวเลขของความน่าจะเป็นของการเกิดแผ่นดินถล่มในเขตแผ่นดินถล่มที่กำหนดจะถูกวัดโดยใช้ฐานข้อมูลสินค้าคงคลังของแผ่นดินถล่ม ข้อสันนิษฐานคือแผ่นดินถล่มที่เกิดขึ้นจริง (แผ่นดินถล่มในฐานข้อมูลรายการสินค้าคงคลัง) และปัจจัยที่เกี่ยวข้องกับการเกิดแผ่นดินถล่มนั้นมีการกระจายอย่างเท่าเทียมกันทั่วพื้นที่ศึกษา มีวิธีเชิงปริมาณหลายวิธีที่นิยมใช้ในการทำแผนที่ความไวต่อแผ่นดินไหว เช่น อัตราส่วนความถี่ ค่าข้อมูล [ [14] , [15] , [16] , [17] , [18] , [19] , [20] ] การถดถอยโลจิสติก [ 13 , [21] , [22] , [23] , [24] , [25] , [26] , [27] , [28] , [29] , [30] , [31] , [ 32] , [33] ], ป่าสุ่ม [ 19 , [34] , [35] , [36] , [37] , [38 ] , [39] , [40] ] สนับสนุนเครื่องเวกเตอร์ [ 13 , [41 ] , [42] , [43] , [44] , [45] ] และการถดถอยและแผนผังการตัดสินใจ [ 15 , 19 , 23 , 26 , [46] , [47] , [48] , [49] , [ 50] , [51]] ในบรรดาวิธีการเชิงปริมาณ โมเดล การเรียนรู้ของเครื่องจักรให้ผลลัพธ์ที่เชื่อถือได้และดีกว่าเมื่อเทียบกับแบบจำลองทางสถิติ แม้ในภูมิภาคที่ข้อมูลขาดแคลน [ 10 , 15 , 39 , 52 , 53 , 54 ] บางครั้ง โมเดลไบวาเรียตสามารถสร้างผลลัพธ์ที่คล้ายกัน [ 16 ] หรือดีกว่าเมื่อเปรียบเทียบกับโมเดลการถดถอยโลจิสติก [ 54 ] และ โมเดล การถดถอยโลจิสติกสามารถทำงานได้มากกว่าโมเดลการเรียนรู้ของเครื่อง [ 55 ] แม้ว่าจะมีการนำเทคนิคจำนวนหนึ่งไปใช้ในการจัดทำแผนที่โซนที่เสี่ยงต่อการเกิดดินถล่มทั่วโลก แต่ก็ไม่มีการพัฒนาวิธีใดวิธีหนึ่งให้เหมาะสม [ 56 ] ประสิทธิภาพของแบบจำลองเปลี่ยนแปลงไปในแต่ละภูมิภาค และวิธีการที่แตกต่างกันจะให้ผลลัพธ์ที่แตกต่างกันในพื้นที่การศึกษาที่กำหนด [ 7 , 11 , [57] , [58] , [59] , [60 ] , [61] , [62] ] . เพื่อเอาชนะข้อจำกัดนี้ อัตราความผิดพลาดของแบบจำลองต่างๆ จะถูกเปรียบเทียบสำหรับพื้นที่การศึกษาเดียว และแบบจำลองที่สร้างความแม่นยำสูงสุดถือเป็นแบบจำลองที่ดีที่สุดสำหรับพื้นที่การศึกษาที่กำหนด นี่เป็นกลยุทธ์ที่ดีที่สุดและง่ายที่สุดในการเลือกแบบจำลองที่เหมาะสมที่สุดสำหรับการทำแผนที่อันตรายจากดินถล่มสำหรับพื้นที่ศึกษา สมมติฐานคือ "แบบจำลองที่ดีที่สุดจะสร้างอัตราความผิดพลาดต่ำสุด และจะถือเป็นแบบจำลองการคาดการณ์ที่ดีที่สุด" [ 56 , 63 ] ด้วยเหตุนี้ นักวิจัยจึงเปรียบเทียบเทคนิคการคำนวณต่างๆ [ 57 , 60 , 61 ] แหล่งข้อมูล เชิงพื้นที่ [ 59 ] การทำแผนที่สินค้าคงคลัง [ 62 ] การรวมกันของข้อมูลเชิงพื้นที่ [ 59 ] ซอฟต์แวร์คอมพิวเตอร์ [ 64 ] ฯลฯ เพื่อให้ได้สิ่งที่ดีที่สุด แผนที่ความไวต่อการเกิดดินถล่ม เมื่อเวลาผ่านไป เทคนิคที่ใช้ GIS ได้รับความนิยมมากขึ้นในหมู่ชุมชนวิทยาศาสตร์สำหรับการพยากรณ์พื้นที่ที่อาจเกิดดินถล่ม [ 10 , 65 ] เทคนิค GISและการสำรวจระยะไกลถูกนำมาใช้อย่างแพร่หลายเพื่อดำเนินการศึกษาจำนวนมากในการวิจัยการทำแผนที่ความไวต่อแผ่นดินไหวทั่วโลก [ 61 ]
การพัฒนาอย่างรวดเร็วของ GIS (ระบบสารสนเทศทางภูมิศาสตร์) และการบูรณาการเทคโนโลยีอื่นๆ เข้ากับสภาพแวดล้อม GIS ได้อย่างง่ายดาย ทำให้ผู้ใช้สามารถประยุกต์ใช้โมเดลการทำแผนที่ความไวต่อแผ่นดินไหวหลายรูปแบบ [ 10 , 66 , 63 ] ได้อย่างง่ายดาย โมเดลการเรียนรู้ของเครื่องสามารถรวมเข้ากับ GIS ได้อย่างง่ายดาย ซึ่งสามารถจำลองโซนที่เสี่ยงต่อการเกิดดินถล่มในลักษณะที่แม่นยำและเป็นวิทยาศาสตร์ ในกรณีนี้ ซอฟต์แวร์ CRAN-R ช่วยให้สามารถทำนายแผ่นดินถล่มด้วยโมเดลการเรียนรู้ของเครื่องต่างๆ และนำผลลัพธ์ที่ได้ไปบูรณาการเข้ากับ GIS เพื่อคาดการณ์โซนที่เสี่ยงต่อการเกิดแผ่นดินถล่ม
แม้ว่าแผนที่เสี่ยงต่อการเกิดดินถล่มบางส่วนได้จัดทำขึ้นสำหรับเขต Chattogram แต่การครอบคลุมทั้งเขตยังมีจำกัด และพบเพียงการใช้แบบจำลองทางสถิติแบบไบวาเรียตเท่านั้น นอกจากนี้ยังใช้วิธีการเรียนรู้ของเครื่องเพื่อสร้างแผนที่ความไวต่อการเกิดดินถล่มของ Chattogram Metropolitan Areas ดังนั้น จุดมุ่งหมายของการวิจัยในปัจจุบันคือการเตรียมแผนที่ความไวต่อการเกิดดินถล่มของเขต Chattogram โดยใช้โมเดลการเรียนรู้ของเครื่องที่ใช้ GIS โมเดลแมชชีนเลิร์นนิงที่เลือกเปรียบเทียบ ได้แก่Logistic Regression , Random Forest และ Decision and Regression Treeซึ่งใช้กันอย่างแพร่หลายในด้านการศึกษาต่างๆ ทั่วโลกด้วยความแม่นยำที่สูงกว่า แผนที่ความไวต่อการเกิดดินถล่มของทั้งเขต Chattogram ไม่ได้ถูกสร้างขึ้นโดยใช้โมเดลการเรียนรู้ของเครื่องที่เลือกไว้ก่อนหน้านี้ แผนที่ความไวต่อแผ่นดินไหวและฐานข้อมูลเชิงพื้นที่จะเป็นประโยชน์สำหรับการวางแผนการใช้ที่ดินการระบุพื้นที่เสี่ยง และการวางแผนเนินเขาอย่างยั่งยืนในภูมิภาค ชุมชนวิทยาศาสตร์ ผู้กำหนดนโยบาย และผู้มีส่วนได้ส่วนเสียจะได้รับประโยชน์จากการวิจัยนี้
2 . ระเบียบวิธี
2.1 . พื้นที่ศึกษา
รูปที่ 1แสดงตำแหน่งของพื้นที่ศึกษา เขตแชตโตแกรมตั้งอยู่ระหว่างละติจูด 21°54′ ถึง 22°59′ เหนือ และลองจิจูด 91°17′ และ 92°13′ ตะวันออก เขตนี้ล้อมรอบด้วย Feni และ Khagrachhari ทางทิศตะวันตก, Rangamati ทางตอนเหนือ, Cox's Bazar ทางตะวันออกเฉียงใต้และอ่าวเบงกอลทางทิศใต้ ความใกล้ชิดของอ่าวเบงกอลช่วยสนับสนุนภูมิภาคที่มีความชื้นสูงขึ้นและมีฝนตกมากเกินไป แม้แต่แสงแดดเขตร้อนก็ยังช่วยสนับสนุนพื้นที่เนินเขาด้วยกระบวนการขจัดคราบ อย่างต่อเนื่อง ระบบแม่น้ำในเขต Chattgogram ยังรองรับความชื้นและการกัดเซาะ แม้ว่าฝนจะเป็นสาเหตุหลักของกระบวนการกัดเซาะใน Chattogram
มะเดื่อ 1
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (2MB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
รูปที่ 1 . ที่ตั้งพื้นที่ศึกษาและจุดดินถล่ม ก) ที่ตั้งของเขต Chattogram ในบังคลาเทศ b) เขต Chattogram ในพื้นที่ Chattogram Hilly c) การฝึกดินถล่ม และ d) ข้อมูลการทดสอบในพื้นที่ศึกษา
มีแนวต้านและแนวร่วม หลายแบบ ที่พบใน Chattogram Hill Tracts ซึ่งพับเก็บเป็นลำดับย่อยเส้นเมอริเดียนยาว (NNW-SSE) แอนติไลน์และซิงค์ไลน์แบบพับเหล่านี้ประกอบด้วยตะกอนทราย-อาร์จิลเลเชียสระดับตติยภูมิตอนบนซึ่งถูกพับทับเมื่อเวลาผ่านไป เทือกเขาที่ทอดยาวและยกต่ำและหุบเขาที่แทรกแซงซึ่งมองเห็นได้ใน ภูมิประเทศ พื้นผิวเป็นผลจากแนวต้านและแนวซิงก์ที่พับเหล่านี้ โครงสร้างพับของภูมิประเทศสามารถแบ่งเขตได้ด้วยการวางแนวแบบ en-echelon ซึ่งจะซับซ้อนและรุนแรงมากขึ้นตามทิศทางตะวันออก จากตะวันตกไปตะวันออก ปีกที่พับไว้จะแบ่งออกเป็นสามโซนแนวโน้มเหนือ-ใต้: (ก) โซนตะวันตก (โครงสร้างที่มีการบีบอัดสูง เป็นเพียงรอยพับแบบกล่องพื้นฐานเท่านั้น มีแนวต้านแนวไม่สมมาตรคล้ายสันที่เชื่อมโยงติดกัน (b) โซนกลาง (ด้านที่สูงชันและยอดอ่อนแยกจากกันด้วยแนวซิงก์ไลน์เบาๆ) และ (ค) โซนตะวันออก (แนวต้านที่แคบจะหยุดชะงักอย่างรุนแรงและมีสีข้างตัดชัน ซึ่งแนวต้านส่วนใหญ่สัมพันธ์กับรอยเลื่อนของแรงผลักดัน) [ 67 ] หินตะกอน ที่ไม่มีการรวมตัวกัน และสภาพอากาศได้ง่ายเฟลด์สปาร์ พบได้ในชั้นผิวดินบริเวณนี้ ชั้น ผิวดิน พบดินร่วนปนเหลืองถึงน้ำตาลแดง ทางธรณีวิทยา หินด้านล่างของเทือกเขาเหล่านี้ได้มาจากชั้นหินทิปัมและซูร์มา เทือกเขาเป็นเพียง สูงไม่กี่ร้อยเมตร แต่มีทางลาดชันที่เชื่อมต่อกันด้วยลำห้วยและลำธาร [ [68] , [69] , [70] ]
2.2 . ข้อมูลและแหล่งข้อมูล
ฐานข้อมูลรายการถล่มทลายจัดทำขึ้นโดยการสำรวจภาคสนามอย่างกว้างขวางและการตีความภาพอนุกรมเวลา ของ Google Earth แผนที่ทางธรณีวิทยาของพื้นที่ศึกษาได้มาจากการสำรวจทางธรณีวิทยาของบังคลาเทศ (GSB) (ลิงก์เซิร์ฟเวอร์: http://www.gsb.gov.bd/site/view/commondoc/Geo-scientifc%20Map/-?page= 3&rows=20 ) ทั้ง ภาพถ่ายดาวเทียม Landsatและ SRTM-DEM (Shuttle Radar Topography Mission Digital Elevation Model) ได้มาจากเว็บไซต์การสำรวจทางธรณีวิทยาของ USGS โดยตรง ( https://earthexplorer.usgs.gov/ ) ข้อมูลเครือข่ายถนนของพื้นที่ศึกษาได้มาจากเซิร์ฟเวอร์ GEOFABRIK (ลิงก์: https://download.geofabrik.de/ )
2.3 . การทำแผนที่สินค้าคงคลังถล่มทลาย
ฐานข้อมูลรายการดินถล่มจัดทำขึ้นโดยการสำรวจภาคสนามอย่างกว้างขวางในช่วงเดือนสิงหาคม พ.ศ. 2565 ถึงพฤศจิกายน พ.ศ. 2565 และโดยการตีความอนุกรมเวลาการตีความภาพ Google Earth [ 71 ] บันทึกการเกิดแผ่นดินถล่มจากหนังสือพิมพ์ท้องถิ่น วรรณกรรมที่มีอยู่ รวมถึงวิทยานิพนธ์ รายงาน และผลงานที่ตีพิมพ์และไม่ได้ตีพิมพ์ ตลอดจนข้อมูลและเอกสารสำคัญของรัฐบาล ถูกนำมาใช้เพื่อตรวจจับสถานที่เกิดแผ่นดินถล่ม ในที่สุดก็มีการเตรียมฐานข้อมูลรายการพื้นที่ดินถล่ม 255 แห่ง ( รูปที่ 1 ) ในบรรดาดินถล่มที่ระบุ สไลด์ดังกล่าวถือเป็นประเภทที่โดดเด่นที่สุดในพื้นที่ศึกษา รองลงมาคือการล้ม กระแสน้ำ และการพลิกคว่ำ รูปที่ 2 (a - h) แสดงภาพถ่ายบางส่วนของการสำรวจภาคสนามในตำแหน่งต่างๆ ของพื้นที่ศึกษา
มะเดื่อ 2
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (3MB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 2 . ดินถล่มใน Chattogram
2.4 . การเตรียมปัจจัยปรับสภาพดินถล่ม
ฐานข้อมูลเชิงพื้นที่ของปัจจัยการปรับสภาพดินถล่มประกอบด้วยปัจจัย 16 ประการที่ได้รับการคัดเลือกตามประสบการณ์ภาคสนามและการทบทวนวรรณกรรมก่อนหน้านี้ ( ตารางที่ 1 ) ขนาดพิกเซลของปัจจัยการปรับสภาพที่ประมวลผลจากภาพ SRTM-DEM และLandsatคือ 30 ม. ธรณีวิทยา ระยะทางถึงแม่น้ำ ความหนาแน่น ของการระบายน้ำ และระยะทางถึงถนน จ |
ความถี่ ความรุนแรง และความไม่แน่นอนของภัยพิบัติทางธรรมชาติทุกประเภทเพิ่มขึ้นอย่างมีนัยสำคัญทั่วโลก โดยได้รับแรงหนุนจากผลกระทบด้านลบของสภาพภูมิอากาศ ตามฐานข้อมูล EM-DAT จากบันทึกภัยพิบัติทางธรรมชาติ 16,472 รายการ พบว่า 40.2% เกิดขึ้นในเอเชียและ 12.75% ของภัยพิบัติทั้งหมดเกิดขึ้นในเอเชียใต้ ดินถล่มเพียงอย่างเดียวประกอบด้วยร้อยละ 5.08 ของภัยพิบัติทางธรรมชาติทั้งหมดที่เกิดขึ้นทั่วโลก เอเชียเพียงประเทศเดียวได้รับผลกระทบจากแผ่นดินถล่ม 53.88% ที่เกิดขึ้นทั่วโลก และแผ่นดินถล่มในเอเชียเพียงประเทศเดียวคิดเป็น 2.74% ของภัยพิบัติทางธรรมชาติทั้งหมดในโลก [ 1 ] ในอดีต บังคลาเทศประสบภัยพิบัติทางธรรมชาติหลายประการ เช่น น้ำท่วม ภัยแล้ง พายุไซโคลนคลื่นยักษ์การพังทลายของตลิ่ง การรุกล้ำ ของความเค็มและแผ่นดินไหว เนื่องจากสภาพทางภูมิศาสตร์และสภาพอากาศ ที่ซับซ้อน ในช่วงสามสิบปีที่ผ่านมา ปัญหาการตัดเขากลายเป็นปัญหาสำคัญในพื้นที่เนินเขาอันเนื่องมาจากกิจกรรมการพัฒนาและการขยายตัวของเมืองโดยไม่ได้วางแผนไว้ (รวมถึงการอพยพโดยไม่ได้วางแผน) นอกจากนี้ ปริมาณน้ำฝนที่รุนแรงในช่วงเวลาสั้น ๆ ที่เกิดจากการเปลี่ยนแปลงสภาพภูมิอากาศยังเพิ่มขึ้นในบังคลาเทศ ผลที่ตามมาคือ ดินถล่มมักเกิดขึ้นในภูมิประเทศที่เป็นเนินเขาที่เปราะบาง ทำให้เกิดการบาดเจ็บล้มตายครั้งใหญ่และความสูญเสียทางเศรษฐกิจอย่างมีนัยสำคัญ [ 2 , 3 ] ตั้งแต่ปี พ.ศ. 2543-2561 มีเหตุดินถล่มเกิดขึ้นทางตะวันออกเฉียงใต้ของบังคลาเทศ 204 ครั้ง ส่งผลให้มีผู้เสียชีวิต 727 ราย และบาดเจ็บ 1,017 ราย [ 4 ] การเปลี่ยนแปลงพื้นที่ปกคลุมในรูปแบบต่างๆ ในพื้นที่เนินเขา โดยเฉพาะในเขตฉัตรโตแกรม ส่งผลให้เกิดแผ่นดินถล่มอย่างรุนแรงและมีความถี่เพิ่มขึ้นอย่างต่อเนื่อง การตัดเนิน การขยายเตา เผาอิฐ การรวบรวมดินบนเนินเขาสำหรับเตาเผาอิฐ กิจกรรมการเกษตรบนเนินเขาการขยายตัวของเมืองโดยไม่ได้วางแผนไว้ และการอพยพของมนุษย์ไปยังพื้นที่เนินเขา ล้วนเป็นปัจจัยขับเคลื่อนหลักของการเปลี่ยนแปลงสิ่งปกคลุมดินในพื้นที่เนินเขาของบังกลาเทศ การเปลี่ยนแปลงสิ่งปกคลุมดินประเภทนี้ทำให้ภูมิประเทศที่เป็นเนินเขาเปราะบางเสี่ยงต่อการเกิดดินถล่มมากขึ้น [ 2 , 3 ] ตั้งแต่ปี พ.ศ. 2543 ถึง พ.ศ. 2561 แผ่นดินถล่มเพิ่มขึ้นในอัตราร้อยละ 4 และเกิดแผ่นดินถล่มประมาณ 19 ครั้งในแต่ละปี (Sultana 2020) แม้ว่าความเสี่ยงจากแผ่นดินถล่มจะปรากฏชัดเป็นพิเศษในพื้นที่บริษัทในเมือง Chattogram เนื่องจากมีประชากรและทรัพยากรจำนวนมาก พื้นที่อื่นๆ ก็เริ่มเสี่ยงต่อการเกิดแผ่นดินถล่มซึ่งก่อให้เกิดความเสียหายร้ายแรงต่อสิ่งแวดล้อม ผู้คนในชนบท และทรัพยากรธรรมชาติ [ 5 , 6 ]
การทำแผนที่ความไวต่อการเกิดดินถล่มถือเป็นขั้นตอนแรกในการประเมินอันตรายจากแผ่นดินถล่ม ต่อจากนั้นจะช่วยในการจัดการแผ่นดินถล่มและลดการสูญเสียจากภัยพิบัติในภูมิภาค [ [6] , [7] , [8] ] สมมติฐานก็คือการติดตามผลอย่างเหมาะสม การประเมินทางวิทยาศาสตร์ และการตรวจจับพื้นที่ที่อาจเกิดแผ่นดินถล่มเป็นแนวทางที่ดีที่สุดในการลดความเสี่ยงจากแผ่นดินถล่ม [ 9 ] แผนที่ที่เสี่ยงต่อการเกิดดินถล่มที่แม่นยำและข้อมูลเชิงพื้นที่ที่เกี่ยวข้องมีคุณค่าอย่างมากในการตัดสินใจ การกำหนดนโยบายภัยพิบัติ การดำเนินการตาม แผนการใช้ที่ดิน อย่างเหมาะสม ในระดับท้องถิ่น และการใช้มาตรการที่จำเป็นในการลดความเสี่ยงและป้องกันภัยพิบัติเพื่อลดการสูญเสียที่มากขึ้นในระหว่างเกิดภัยพิบัติ [ 10 ].
เทคนิคการทำแผนที่ความไวต่อแผ่นดินไหวถล่มมีหลายประเภท เช่น แบบจำลองทางกายภาพ เชิงคุณภาพ กึ่งปริมาณ และเชิงปริมาณ แบบจำลองทางกายภาพแยกกระบวนการภายในของแผ่นดินถล่ม เทคนิคกึ่งปริมาณผสมผสานเชิงคุณภาพ (ความคิดเห็นของผู้เชี่ยวชาญ) และเทคนิคเชิงปริมาณ [ 11 ] การวิเคราะห์เชิงปริมาณจะวัด ความสัมพันธ์ของ ตัวแปรสองตัวแปรหลายตัวแปร หรือโดยธรรมชาติระหว่างเหตุการณ์แผ่นดินถล่มกับการจัดพื้นที่ที่สอดคล้องกันของปัจจัยการปรับสภาพในเขตแผ่นดินถล่มที่กำหนด โดยใช้เทคนิคทางสถิติ เครื่องจักร และการเรียนรู้เชิงลึก [ [11] , [12] , [13] ] ในวิธีการเชิงปริมาณ การประมาณเชิงตัวเลขของความน่าจะเป็นของการเกิดแผ่นดินถล่มในเขตแผ่นดินถล่มที่กำหนดจะถูกวัดโดยใช้ฐานข้อมูลสินค้าคงคลังของแผ่นดินถล่ม ข้อสันนิษฐานคือแผ่นดินถล่มที่เกิดขึ้นจริง (แผ่นดินถล่มในฐานข้อมูลรายการสินค้าคงคลัง) และปัจจัยที่เกี่ยวข้องกับการเกิดแผ่นดินถล่มนั้นมีการกระจายอย่างเท่าเทียมกันทั่วพื้นที่ศึกษา มีวิธีเชิงปริมาณหลายวิธีที่นิยมใช้ในการทำแผนที่ความไวต่อแผ่นดินไหว เช่น อัตราส่วนความถี่ ค่าข้อมูล [ [14] , [15] , [16] , [17] , [18] , [19] , [20] ] การถดถอยโลจิสติก [ 13 , [21] , [22] , [23] , [24] , [25] , [26] , [27] , [28] , [29] , [30] , [31] , [ 32] , [33] ], ป่าสุ่ม [ 19 , [34] , [35] , [36] , [37] , [38 ] , [39] , [40] ] สนับสนุนเครื่องเวกเตอร์ [ 13 , [41 ] , [42] , [43] , [44] , [45] ] และการถดถอยและแผนผังการตัดสินใจ [ 15 , 19 , 23 , 26 , [46] , [47] , [48] , [49] , [ 50] , [51]] ในบรรดาวิธีการเชิงปริมาณ โมเดล การเรียนรู้ของเครื่องจักรให้ผลลัพธ์ที่เชื่อถือได้และดีกว่าเมื่อเทียบกับแบบจำลองทางสถิติ แม้ในภูมิภาคที่ข้อมูลขาดแคลน [ 10 , 15 , 39 , 52 , 53 , 54 ] บางครั้ง โมเดลไบวาเรียตสามารถสร้างผลลัพธ์ที่คล้ายกัน [ 16 ] หรือดีกว่าเมื่อเปรียบเทียบกับโมเดลการถดถอยโลจิสติก [ 54 ] และ โมเดล การถดถอยโลจิสติกสามารถทำงานได้มากกว่าโมเดลการเรียนรู้ของเครื่อง [ 55 ] แม้ว่าจะมีการนำเทคนิคจำนวนหนึ่งไปใช้ในการจัดทำแผนที่โซนที่เสี่ยงต่อการเกิดดินถล่มทั่วโลก แต่ก็ไม่มีการพัฒนาวิธีใดวิธีหนึ่งให้เหมาะสม [ 56 ] ประสิทธิภาพของแบบจำลองเปลี่ยนแปลงไปในแต่ละภูมิภาค และวิธีการที่แตกต่างกันจะให้ผลลัพธ์ที่แตกต่างกันในพื้นที่การศึกษาที่กำหนด [ 7 , 11 , [57] , [58] , [59] , [60 ] , [61] , [62] ] . เพื่อเอาชนะข้อจำกัดนี้ อัตราความผิดพลาดของแบบจำลองต่างๆ จะถูกเปรียบเทียบสำหรับพื้นที่การศึกษาเดียว และแบบจำลองที่สร้างความแม่นยำสูงสุดถือเป็นแบบจำลองที่ดีที่สุดสำหรับพื้นที่การศึกษาที่กำหนด นี่เป็นกลยุทธ์ที่ดีที่สุดและง่ายที่สุดในการเลือกแบบจำลองที่เหมาะสมที่สุดสำหรับการทำแผนที่อันตรายจากดินถล่มสำหรับพื้นที่ศึกษา สมมติฐานคือ "แบบจำลองที่ดีที่สุดจะสร้างอัตราความผิดพลาดต่ำสุด และจะถือเป็นแบบจำลองการคาดการณ์ที่ดีที่สุด" [ 56 , 63 ] ด้วยเหตุนี้ นักวิจัยจึงเปรียบเทียบเทคนิคการคำนวณต่างๆ [ 57 , 60 , 61 ] แหล่งข้อมูล เชิงพื้นที่ [ 59 ] การทำแผนที่สินค้าคงคลัง [ 62 ] การรวมกันของข้อมูลเชิงพื้นที่ [ 59 ] ซอฟต์แวร์คอมพิวเตอร์ [ 64 ] ฯลฯ เพื่อให้ได้สิ่งที่ดีที่สุด แผนที่ความไวต่อการเกิดดินถล่ม เมื่อเวลาผ่านไป เทคนิคที่ใช้ GIS ได้รับความนิยมมากขึ้นในหมู่ชุมชนวิทยาศาสตร์สำหรับการพยากรณ์พื้นที่ที่อาจเกิดดินถล่ม [ 10 , 65 ] เทคนิค GISและการสำรวจระยะไกลถูกนำมาใช้อย่างแพร่หลายเพื่อดำเนินการศึกษาจำนวนมากในการวิจัยการทำแผนที่ความไวต่อแผ่นดินไหวทั่วโลก [ 61 ]
การพัฒนาอย่างรวดเร็วของ GIS (ระบบสารสนเทศทางภูมิศาสตร์) และการบูรณาการเทคโนโลยีอื่นๆ เข้ากับสภาพแวดล้อม GIS ได้อย่างง่ายดาย ทำให้ผู้ใช้สามารถประยุกต์ใช้โมเดลการทำแผนที่ความไวต่อแผ่นดินไหวหลายรูปแบบ [ 10 , 66 , 63 ] ได้อย่างง่ายดาย โมเดลการเรียนรู้ของเครื่องสามารถรวมเข้ากับ GIS ได้อย่างง่ายดาย ซึ่งสามารถจำลองโซนที่เสี่ยงต่อการเกิดดินถล่มในลักษณะที่แม่นยำและเป็นวิทยาศาสตร์ ในกรณีนี้ ซอฟต์แวร์ CRAN-R ช่วยให้สามารถทำนายแผ่นดินถล่มด้วยโมเดลการเรียนรู้ของเครื่องต่างๆ และนำผลลัพธ์ที่ได้ไปบูรณาการเข้ากับ GIS เพื่อคาดการณ์โซนที่เสี่ยงต่อการเกิดแผ่นดินถล่ม
แม้ว่าแผนที่เสี่ยงต่อการเกิดดินถล่มบางส่วนได้จัดทำขึ้นสำหรับเขต Chattogram แต่การครอบคลุมทั้งเขตยังมีจำกัด และพบเพียงการใช้แบบจำลองทางสถิติแบบไบวาเรียตเท่านั้น นอกจากนี้ยังใช้วิธีการเรียนรู้ของเครื่องเพื่อสร้างแผนที่ความไวต่อการเกิดดินถล่มของ Chattogram Metropolitan Areas ดังนั้น จุดมุ่งหมายของการวิจัยในปัจจุบันคือการเตรียมแผนที่ความไวต่อการเกิดดินถล่มของเขต Chattogram โดยใช้โมเดลการเรียนรู้ของเครื่องที่ใช้ GIS โมเดลแมชชีนเลิร์นนิงที่เลือกเปรียบเทียบ ได้แก่Logistic Regression , Random Forest และ Decision and Regression Treeซึ่งใช้กันอย่างแพร่หลายในด้านการศึกษาต่างๆ ทั่วโลกด้วยความแม่นยำที่สูงกว่า แผนที่ความไวต่อการเกิดดินถล่มของทั้งเขต Chattogram ไม่ได้ถูกสร้างขึ้นโดยใช้โมเดลการเรียนรู้ของเครื่องที่เลือกไว้ก่อนหน้านี้ แผนที่ความไวต่อแผ่นดินไหวและฐานข้อมูลเชิงพื้นที่จะเป็นประโยชน์สำหรับการวางแผนการใช้ที่ดินการระบุพื้นที่เสี่ยง และการวางแผนเนินเขาอย่างยั่งยืนในภูมิภาค ชุมชนวิทยาศาสตร์ ผู้กำหนดนโยบาย และผู้มีส่วนได้ส่วนเสียจะได้รับประโยชน์จากการวิจัยนี้
2 . ระเบียบวิธี
2.1 . พื้นที่ศึกษา
รูปที่ 1แสดงตำแหน่งของพื้นที่ศึกษา เขตแชตโตแกรมตั้งอยู่ระหว่างละติจูด 21°54′ ถึง 22°59′ เหนือ และลองจิจูด 91°17′ และ 92°13′ ตะวันออก เขตนี้ล้อมรอบด้วย Feni และ Khagrachhari ทางทิศตะวันตก, Rangamati ทางตอนเหนือ, Cox's Bazar ทางตะวันออกเฉียงใต้และอ่าวเบงกอลทางทิศใต้ ความใกล้ชิดของอ่าวเบงกอลช่วยสนับสนุนภูมิภาคที่มีความชื้นสูงขึ้นและมีฝนตกมากเกินไป แม้แต่แสงแดดเขตร้อนก็ยังช่วยสนับสนุนพื้นที่เนินเขาด้วยกระบวนการขจัดคราบ อย่างต่อเนื่อง ระบบแม่น้ำในเขต Chattgogram ยังรองรับความชื้นและการกัดเซาะ แม้ว่าฝนจะเป็นสาเหตุหลักของกระบวนการกัดเซาะใน Chattogram
มะเดื่อ 1
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (2MB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
รูปที่ 1 . ที่ตั้งพื้นที่ศึกษาและจุดดินถล่ม ก) ที่ตั้งของเขต Chattogram ในบังคลาเทศ b) เขต Chattogram ในพื้นที่ Chattogram Hilly c) การฝึกดินถล่ม และ d) ข้อมูลการทดสอบในพื้นที่ศึกษา
มีแนวต้านและแนวร่วม หลายแบบ ที่พบใน Chattogram Hill Tracts ซึ่งพับเก็บเป็นลำดับย่อยเส้นเมอริเดียนยาว (NNW-SSE) แอนติไลน์และซิงค์ไลน์แบบพับเหล่านี้ประกอบด้วยตะกอนทราย-อาร์จิลเลเชียสระดับตติยภูมิตอนบนซึ่งถูกพับทับเมื่อเวลาผ่านไป เทือกเขาที่ทอดยาวและยกต่ำและหุบเขาที่แทรกแซงซึ่งมองเห็นได้ใน ภูมิประเทศ พื้นผิวเป็นผลจากแนวต้านและแนวซิงก์ที่พับเหล่านี้ โครงสร้างพับของภูมิประเทศสามารถแบ่งเขตได้ด้วยการวางแนวแบบ en-echelon ซึ่งจะซับซ้อนและรุนแรงมากขึ้นตามทิศทางตะวันออก จากตะวันตกไปตะวันออก ปีกที่พับไว้จะแบ่งออกเป็นสามโซนแนวโน้มเหนือ-ใต้: (ก) โซนตะวันตก (โครงสร้างที่มีการบีบอัดสูง เป็นเพียงรอยพับแบบกล่องพื้นฐานเท่านั้น มีแนวต้านแนวไม่สมมาตรคล้ายสันที่เชื่อมโยงติดกัน (b) โซนกลาง (ด้านที่สูงชันและยอดอ่อนแยกจากกันด้วยแนวซิงก์ไลน์เบาๆ) และ (ค) โซนตะวันออก (แนวต้านที่แคบจะหยุดชะงักอย่างรุนแรงและมีสีข้างตัดชัน ซึ่งแนวต้านส่วนใหญ่สัมพันธ์กับรอยเลื่อนของแรงผลักดัน) [ 67 ] หินตะกอน ที่ไม่มีการรวมตัวกัน และสภาพอากาศได้ง่ายเฟลด์สปาร์ พบได้ในชั้นผิวดินบริเวณนี้ ชั้น ผิวดิน พบดินร่วนปนเหลืองถึงน้ำตาลแดง ทางธรณีวิทยา หินด้านล่างของเทือกเขาเหล่านี้ได้มาจากชั้นหินทิปัมและซูร์มา เทือกเขาเป็นเพียง สูงไม่กี่ร้อยเมตร แต่มีทางลาดชันที่เชื่อมต่อกันด้วยลำห้วยและลำธาร [ [68] , [69] , [70] ]
2.2 . ข้อมูลและแหล่งข้อมูล
ฐานข้อมูลรายการถล่มทลายจัดทำขึ้นโดยการสำรวจภาคสนามอย่างกว้างขวางและการตีความภาพอนุกรมเวลา ของ Google Earth แผนที่ทางธรณีวิทยาของพื้นที่ศึกษาได้มาจากการสำรวจทางธรณีวิทยาของบังคลาเทศ (GSB) (ลิงก์เซิร์ฟเวอร์: http://www.gsb.gov.bd/site/view/commondoc/Geo-scientifc%20Map/-?page= 3&rows=20 ) ทั้ง ภาพถ่ายดาวเทียม Landsatและ SRTM-DEM (Shuttle Radar Topography Mission Digital Elevation Model) ได้มาจากเว็บไซต์การสำรวจทางธรณีวิทยาของ USGS โดยตรง ( https://earthexplorer.usgs.gov/ ) ข้อมูลเครือข่ายถนนของพื้นที่ศึกษาได้มาจากเซิร์ฟเวอร์ GEOFABRIK (ลิงก์: https://download.geofabrik.de/ )
2.3 . การทำแผนที่สินค้าคงคลังถล่มทลาย
ฐานข้อมูลรายการดินถล่มจัดทำขึ้นโดยการสำรวจภาคสนามอย่างกว้างขวางในช่วงเดือนสิงหาคม พ.ศ. 2565 ถึงพฤศจิกายน พ.ศ. 2565 และโดยการตีความอนุกรมเวลาการตีความภาพ Google Earth [ 71 ] บันทึกการเกิดแผ่นดินถล่มจากหนังสือพิมพ์ท้องถิ่น วรรณกรรมที่มีอยู่ รวมถึงวิทยานิพนธ์ รายงาน และผลงานที่ตีพิมพ์และไม่ได้ตีพิมพ์ ตลอดจนข้อมูลและเอกสารสำคัญของรัฐบาล ถูกนำมาใช้เพื่อตรวจจับสถานที่เกิดแผ่นดินถล่ม ในที่สุดก็มีการเตรียมฐานข้อมูลรายการพื้นที่ดินถล่ม 255 แห่ง ( รูปที่ 1 ) ในบรรดาดินถล่มที่ระบุ สไลด์ดังกล่าวถือเป็นประเภทที่โดดเด่นที่สุดในพื้นที่ศึกษา รองลงมาคือการล้ม กระแสน้ำ และการพลิกคว่ำ รูปที่ 2 (a - h) แสดงภาพถ่ายบางส่วนของการสำรวจภาคสนามในตำแหน่งต่างๆ ของพื้นที่ศึกษา
มะเดื่อ 2
ดาวน์โหลด : ดาวน์โหลดภาพความละเอียดสูง (3MB)
ดาวน์โหลด : ดาวน์โหลดภาพขนาดเต็ม
มะเดื่อ 2 . ดินถล่มใน Chattogram
2.4 . การเตรียมปัจจัยปรับสภาพดินถล่ม
ฐานข้อมูลเชิงพื้นที่ของปัจจัยการปรับสภาพดินถล่มประกอบด้วยปัจจัย 16 ประการที่ได้รับการคัดเลือกตามประสบการณ์ภาคสนามและการทบทวนวรรณกรรมก่อนหน้านี้ ( ตารางที่ 1 ) ขนาดพิกเซลของปัจจัยการปรับสภาพที่ประมวลผลจากภาพ SRTM-DEM และLandsatคือ 30 ม. ธรณีวิทยา ระยะทางถึงแม่น้ำ ความหนาแน่น ของการระบายน้ำ และระยะทางถึงถนน จ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
What do the ROC values for training and testing data signify in the context of landslide susceptibility mapping?
|
The accuracy of the machine learning models |
|
อัลกอริธึมการเรียนรู้ของเครื่องที่ใช้ GIS ของการถดถอยโลจิสติก ฟอเรสต์สุ่ม และแผนผังการตัดสินใจและการถดถอยถูกนำมาใช้ในการเตรียมแผนที่ที่อ่อนแอต่อการเกิดดินถล่มสำหรับพื้นที่ที่มีแนวโน้มเกิดดินถล่มสูง เขต Chattogram ของบังคลาเทศ แบบจำลองทั้งสามนี้ถูกนำมาใช้เป็นครั้งแรกเพื่อเตรียมแผนที่ความไวต่อการเกิดดินถล่มสำหรับเขต Chattogram เนื่องจากการศึกษาก่อนหน้านี้จำกัดอยู่ที่เมือง Chattogram เป็นหลัก ฐานข้อมูลรายการดินถล่ม 261 แห่งและปัจจัยการปรับสภาพดินถล่ม 16 รายการถูกนำมาใช้เพื่ออธิบายความสัมพันธ์ระหว่างดินถล่มและปัจจัยปรับสภาพ ธรณีวิทยาเพียงอย่างเดียวถือเป็นปัจจัยที่สำคัญที่สุดในการเกิดแผ่นดินถล่มในเขต Chattogram นอกจากนี้ ปัจจัยทางภูมิประเทศ (ระดับความสูง ความชัน และลักษณะ) และอุทกวิทยา (TRI และความหนาแน่นของลำน้ำ) บางประการยังทำให้เกิดแผ่นดินถล่มพร้อมกับธรณีวิทยาอีกด้วย การแทรกแซงของมนุษย์ เช่น LULC และการก่อสร้างถนนมีผลกระทบเล็กน้อยเมื่อเทียบกับปัจจัยอื่นๆ ความแม่นยำของแบบจำลอง LR, RF และ DRT เท่ากับ 0.943, 0.917 และ 0.947 ตามลำดับสำหรับอัตราความสำเร็จ และ 0.963, 0.934 และ 0.905 ตามลำดับสำหรับอัตราการทำนาย จากผลการวิจัยพบว่า DRT ได้สร้างแผนที่ความไวต่อการเกิดดินถล่มที่สมจริงที่สุดสำหรับเขต Chattogram ตามแบบจำลอง เกือบ 9–12 % ของพื้นที่ในเขต Chattogram มีความอ่อนไหวสูงต่อดินถล่มซึ่งส่วนใหญ่ครอบคลุมพื้นที่เนินเขา Chattogram City ตั้งอยู่ในโซนที่มีความเสี่ยงสูงมาก ทรัพยากรและประชากรในพื้นที่เนินเขาทั้งหมดมีความเสี่ยงสูงต่อการเกิดแผ่นดินถล่ม กระบวนการทางสัณฐานวิทยาและการแยกส่วนที่ใช้งานอยู่มีส่วนรับผิดชอบต่อศักยภาพของแผ่นดินถล่มในเนินเขาสูง ผลการวิจัยจะเป็นประโยชน์อย่างมากต่อผู้กำหนดนโยบายการใช้ที่ดิน นักวางแผนภัยพิบัติดินถล่ม และนักวิจัย โมเดลการเรียนรู้ของเครื่องที่ใช้ในการวิจัยนี้สามารถจำลองในภูมิภาคอื่น |
อัลกอริธึมการเรียนรู้ของเครื่องที่ใช้ GIS ของการถดถอยโลจิสติก ฟอเรสต์สุ่ม และแผนผังการตัดสินใจและการถดถอยถูกนำมาใช้ในการเตรียมแผนที่ที่อ่อนแอต่อการเกิดดินถล่มสำหรับพื้นที่ที่มีแนวโน้มเกิดดินถล่มสูง เขต Chattogram ของบังคลาเทศ แบบจำลองทั้งสามนี้ถูกนำมาใช้เป็นครั้งแรกเพื่อเตรียมแผนที่ความไวต่อการเกิดดินถล่มสำหรับเขต Chattogram เนื่องจากการศึกษาก่อนหน้านี้จำกัดอยู่ที่เมือง Chattogram เป็นหลัก ฐานข้อมูลรายการดินถล่ม 261 แห่งและปัจจัยการปรับสภาพดินถล่ม 16 รายการถูกนำมาใช้เพื่ออธิบายความสัมพันธ์ระหว่างดินถล่มและปัจจัยปรับสภาพ ธรณีวิทยาเพียงอย่างเดียวถือเป็นปัจจัยที่สำคัญที่สุดในการเกิดแผ่นดินถล่มในเขต Chattogram นอกจากนี้ ปัจจัยทางภูมิประเทศ (ระดับความสูง ความชัน และลักษณะ) และอุทกวิทยา (TRI และความหนาแน่นของลำน้ำ) บางประการยังทำให้เกิดแผ่นดินถล่มพร้อมกับธรณีวิทยาอีกด้วย การแทรกแซงของมนุษย์ เช่น LULC และการก่อสร้างถนนมีผลกระทบเล็กน้อยเมื่อเทียบกับปัจจัยอื่นๆ ความแม่นยำของแบบจำลอง LR, RF และ DRT เท่ากับ 0.943, 0.917 และ 0.947 ตามลำดับสำหรับอัตราความสำเร็จ และ 0.963, 0.934 และ 0.905 ตามลำดับสำหรับอัตราการทำนาย จากผลการวิจัยพบว่า DRT ได้สร้างแผนที่ความไวต่อการเกิดดินถล่มที่สมจริงที่สุดสำหรับเขต Chattogram ตามแบบจำลอง เกือบ 9–12 % ของพื้นที่ในเขต Chattogram มีความอ่อนไหวสูงต่อดินถล่มซึ่งส่วนใหญ่ครอบคลุมพื้นที่เนินเขา Chattogram City ตั้งอยู่ในโซนที่มีความเสี่ยงสูงมาก ทรัพยากรและประชากรในพื้นที่เนินเขาทั้งหมดมีความเสี่ยงสูงต่อการเกิดแผ่นดินถล่ม กระบวนการทางสัณฐานวิทยาและการแยกส่วนที่ใช้งานอยู่มีส่วนรับผิดชอบต่อศักยภาพของแผ่นดินถล่มในเนินเขาสูง ผลการวิจัยจะเป็นประโยชน์อย่างมากต่อผู้กำหนดนโยบายการใช้ที่ดิน นักวางแผนภัยพิบัติดินถล่ม และนักวิจัย โมเดลการเรียนรู้ของเครื่องที่ใช้ในการวิจัยนี้สามารถจำลองในภูมิภาคอื่น |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
Which model is considered more realistic according to susceptibility zones in the research?
|
Random Forest (RF) |
|
อัลกอริธึมการเรียนรู้ของเครื่องที่ใช้ GIS ของการถดถอยโลจิสติก ฟอเรสต์สุ่ม และแผนผังการตัดสินใจและการถดถอยถูกนำมาใช้ในการเตรียมแผนที่ที่อ่อนแอต่อการเกิดดินถล่มสำหรับพื้นที่ที่มีแนวโน้มเกิดดินถล่มสูง เขต Chattogram ของบังคลาเทศ แบบจำลองทั้งสามนี้ถูกนำมาใช้เป็นครั้งแรกเพื่อเตรียมแผนที่ความไวต่อการเกิดดินถล่มสำหรับเขต Chattogram เนื่องจากการศึกษาก่อนหน้านี้จำกัดอยู่ที่เมือง Chattogram เป็นหลัก ฐานข้อมูลรายการดินถล่ม 261 แห่งและปัจจัยการปรับสภาพดินถล่ม 16 รายการถูกนำมาใช้เพื่ออธิบายความสัมพันธ์ระหว่างดินถล่มและปัจจัยปรับสภาพ ธรณีวิทยาเพียงอย่างเดียวถือเป็นปัจจัยที่สำคัญที่สุดในการเกิดแผ่นดินถล่มในเขต Chattogram นอกจากนี้ ปัจจัยทางภูมิประเทศ (ระดับความสูง ความชัน และลักษณะ) และอุทกวิทยา (TRI และความหนาแน่นของลำน้ำ) บางประการยังทำให้เกิดแผ่นดินถล่มพร้อมกับธรณีวิทยาอีกด้วย การแทรกแซงของมนุษย์ เช่น LULC และการก่อสร้างถนนมีผลกระทบเล็กน้อยเมื่อเทียบกับปัจจัยอื่นๆ ความแม่นยำของแบบจำลอง LR, RF และ DRT เท่ากับ 0.943, 0.917 และ 0.947 ตามลำดับสำหรับอัตราความสำเร็จ และ 0.963, 0.934 และ 0.905 ตามลำดับสำหรับอัตราการทำนาย จากผลการวิจัยพบว่า DRT ได้สร้างแผนที่ความไวต่อการเกิดดินถล่มที่สมจริงที่สุดสำหรับเขต Chattogram ตามแบบจำลอง เกือบ 9–12 % ของพื้นที่ในเขต Chattogram มีความอ่อนไหวสูงต่อดินถล่มซึ่งส่วนใหญ่ครอบคลุมพื้นที่เนินเขา Chattogram City ตั้งอยู่ในโซนที่มีความเสี่ยงสูงมาก ทรัพยากรและประชากรในพื้นที่เนินเขาทั้งหมดมีความเสี่ยงสูงต่อการเกิดแผ่นดินถล่ม กระบวนการทางสัณฐานวิทยาและการแยกส่วนที่ใช้งานอยู่มีส่วนรับผิดชอบต่อศักยภาพของแผ่นดินถล่มในเนินเขาสูง ผลการวิจัยจะเป็นประโยชน์อย่างมากต่อผู้กำหนดนโยบายการใช้ที่ดิน นักวางแผนภัยพิบัติดินถล่ม และนักวิจัย โมเดลการเรียนรู้ของเครื่องที่ใช้ในการวิจัยนี้สามารถจำลองในภูมิภาคอื่น |
อัลกอริธึมการเรียนรู้ของเครื่องที่ใช้ GIS ของการถดถอยโลจิสติก ฟอเรสต์สุ่ม และแผนผังการตัดสินใจและการถดถอยถูกนำมาใช้ในการเตรียมแผนที่ที่อ่อนแอต่อการเกิดดินถล่มสำหรับพื้นที่ที่มีแนวโน้มเกิดดินถล่มสูง เขต Chattogram ของบังคลาเทศ แบบจำลองทั้งสามนี้ถูกนำมาใช้เป็นครั้งแรกเพื่อเตรียมแผนที่ความไวต่อการเกิดดินถล่มสำหรับเขต Chattogram เนื่องจากการศึกษาก่อนหน้านี้จำกัดอยู่ที่เมือง Chattogram เป็นหลัก ฐานข้อมูลรายการดินถล่ม 261 แห่งและปัจจัยการปรับสภาพดินถล่ม 16 รายการถูกนำมาใช้เพื่ออธิบายความสัมพันธ์ระหว่างดินถล่มและปัจจัยปรับสภาพ ธรณีวิทยาเพียงอย่างเดียวถือเป็นปัจจัยที่สำคัญที่สุดในการเกิดแผ่นดินถล่มในเขต Chattogram นอกจากนี้ ปัจจัยทางภูมิประเทศ (ระดับความสูง ความชัน และลักษณะ) และอุทกวิทยา (TRI และความหนาแน่นของลำน้ำ) บางประการยังทำให้เกิดแผ่นดินถล่มพร้อมกับธรณีวิทยาอีกด้วย การแทรกแซงของมนุษย์ เช่น LULC และการก่อสร้างถนนมีผลกระทบเล็กน้อยเมื่อเทียบกับปัจจัยอื่นๆ ความแม่นยำของแบบจำลอง LR, RF และ DRT เท่ากับ 0.943, 0.917 และ 0.947 ตามลำดับสำหรับอัตราความสำเร็จ และ 0.963, 0.934 และ 0.905 ตามลำดับสำหรับอัตราการทำนาย จากผลการวิจัยพบว่า DRT ได้สร้างแผนที่ความไวต่อการเกิดดินถล่มที่สมจริงที่สุดสำหรับเขต Chattogram ตามแบบจำลอง เกือบ 9–12 % ของพื้นที่ในเขต Chattogram มีความอ่อนไหวสูงต่อดินถล่มซึ่งส่วนใหญ่ครอบคลุมพื้นที่เนินเขา Chattogram City ตั้งอยู่ในโซนที่มีความเสี่ยงสูงมาก ทรัพยากรและประชากรในพื้นที่เนินเขาทั้งหมดมีความเสี่ยงสูงต่อการเกิดแผ่นดินถล่ม กระบวนการทางสัณฐานวิทยาและการแยกส่วนที่ใช้งานอยู่มีส่วนรับผิดชอบต่อศักยภาพของแผ่นดินถล่มในเนินเขาสูง ผลการวิจัยจะเป็นประโยชน์อย่างมากต่อผู้กำหนดนโยบายการใช้ที่ดิน นักวางแผนภัยพิบัติดินถล่ม และนักวิจัย โมเดลการเรียนรู้ของเครื่องที่ใช้ในการวิจัยนี้สามารถจำลองในภูมิภาคอื่น |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
Essay | Compare and contrast the performance of Logistic Regression (LR), Random Forest (RF), and Decision and Regression Tree (DRT) models in landslide susceptibility mapping. Discuss the strengths and limitations of each model based on the research findings.
|
อัลกอริธึมการเรียนรู้ของเครื่องที่ใช้ GIS ของการถดถอยโลจิสติก ฟอเรสต์สุ่ม และแผนผังการตัดสินใจและการถดถอยถูกนำมาใช้ในการเตรียมแผนที่ที่อ่อนแอต่อการเกิดดินถล่มสำหรับพื้นที่ที่มีแนวโน้มเกิดดินถล่มสูง เขต Chattogram ของบังคลาเทศ แบบจำลองทั้งสามนี้ถูกนำมาใช้เป็นครั้งแรกเพื่อเตรียมแผนที่ความไวต่อการเกิดดินถล่มสำหรับเขต Chattogram เนื่องจากการศึกษาก่อนหน้านี้จำกัดอยู่ที่เมือง Chattogram เป็นหลัก ฐานข้อมูลรายการดินถล่ม 261 แห่งและปัจจัยการปรับสภาพดินถล่ม 16 รายการถูกนำมาใช้เพื่ออธิบายความสัมพันธ์ระหว่างดินถล่มและปัจจัยปรับสภาพ ธรณีวิทยาเพียงอย่างเดียวถือเป็นปัจจัยที่สำคัญที่สุดในการเกิดแผ่นดินถล่มในเขต Chattogram นอกจากนี้ ปัจจัยทางภูมิประเทศ (ระดับความสูง ความชัน และลักษณะ) และอุทกวิทยา (TRI และความหนาแน่นของลำน้ำ) บางประการยังทำให้เกิดแผ่นดินถล่มพร้อมกับธรณีวิทยาอีกด้วย การแทรกแซงของมนุษย์ เช่น LULC และการก่อสร้างถนนมีผลกระทบเล็กน้อยเมื่อเทียบกับปัจจัยอื่นๆ ความแม่นยำของแบบจำลอง LR, RF และ DRT เท่ากับ 0.943, 0.917 และ 0.947 ตามลำดับสำหรับอัตราความสำเร็จ และ 0.963, 0.934 และ 0.905 ตามลำดับสำหรับอัตราการทำนาย จากผลการวิจัยพบว่า DRT ได้สร้างแผนที่ความไวต่อการเกิดดินถล่มที่สมจริงที่สุดสำหรับเขต Chattogram ตามแบบจำลอง เกือบ 9–12 % ของพื้นที่ในเขต Chattogram มีความอ่อนไหวสูงต่อดินถล่มซึ่งส่วนใหญ่ครอบคลุมพื้นที่เนินเขา Chattogram City ตั้งอยู่ในโซนที่มีความเสี่ยงสูงมาก ทรัพยากรและประชากรในพื้นที่เนินเขาทั้งหมดมีความเสี่ยงสูงต่อการเกิดแผ่นดินถล่ม กระบวนการทางสัณฐานวิทยาและการแยกส่วนที่ใช้งานอยู่มีส่วนรับผิดชอบต่อศักยภาพของแผ่นดินถล่มในเนินเขาสูง ผลการวิจัยจะเป็นประโยชน์อย่างมากต่อผู้กำหนดนโยบายการใช้ที่ดิน นักวางแผนภัยพิบัติดินถล่ม และนักวิจัย โมเดลการเรียนรู้ของเครื่องที่ใช้ในการวิจัยนี้สามารถจำลองในภูมิภาคอื่น |
|
อัลกอริธึมการเรียนรู้ของเครื่องที่ใช้ GIS ของการถดถอยโลจิสติก ฟอเรสต์สุ่ม และแผนผังการตัดสินใจและการถดถอยถูกนำมาใช้ในการเตรียมแผนที่ที่อ่อนแอต่อการเกิดดินถล่มสำหรับพื้นที่ที่มีแนวโน้มเกิดดินถล่มสูง เขต Chattogram ของบังคลาเทศ แบบจำลองทั้งสามนี้ถูกนำมาใช้เป็นครั้งแรกเพื่อเตรียมแผนที่ความไวต่อการเกิดดินถล่มสำหรับเขต Chattogram เนื่องจากการศึกษาก่อนหน้านี้จำกัดอยู่ที่เมือง Chattogram เป็นหลัก ฐานข้อมูลรายการดินถล่ม 261 แห่งและปัจจัยการปรับสภาพดินถล่ม 16 รายการถูกนำมาใช้เพื่ออธิบายความสัมพันธ์ระหว่างดินถล่มและปัจจัยปรับสภาพ ธรณีวิทยาเพียงอย่างเดียวถือเป็นปัจจัยที่สำคัญที่สุดในการเกิดแผ่นดินถล่มในเขต Chattogram นอกจากนี้ ปัจจัยทางภูมิประเทศ (ระดับความสูง ความชัน และลักษณะ) และอุทกวิทยา (TRI และความหนาแน่นของลำน้ำ) บางประการยังทำให้เกิดแผ่นดินถล่มพร้อมกับธรณีวิทยาอีกด้วย การแทรกแซงของมนุษย์ เช่น LULC และการก่อสร้างถนนมีผลกระทบเล็กน้อยเมื่อเทียบกับปัจจัยอื่นๆ ความแม่นยำของแบบจำลอง LR, RF และ DRT เท่ากับ 0.943, 0.917 และ 0.947 ตามลำดับสำหรับอัตราความสำเร็จ และ 0.963, 0.934 และ 0.905 ตามลำดับสำหรับอัตราการทำนาย จากผลการวิจัยพบว่า DRT ได้สร้างแผนที่ความไวต่อการเกิดดินถล่มที่สมจริงที่สุดสำหรับเขต Chattogram ตามแบบจำลอง เกือบ 9–12 % ของพื้นที่ในเขต Chattogram มีความอ่อนไหวสูงต่อดินถล่มซึ่งส่วนใหญ่ครอบคลุมพื้นที่เนินเขา Chattogram City ตั้งอยู่ในโซนที่มีความเสี่ยงสูงมาก ทรัพยากรและประชากรในพื้นที่เนินเขาทั้งหมดมีความเสี่ยงสูงต่อการเกิดแผ่นดินถล่ม กระบวนการทางสัณฐานวิทยาและการแยกส่วนที่ใช้งานอยู่มีส่วนรับผิดชอบต่อศักยภาพของแผ่นดินถล่มในเนินเขาสูง ผลการวิจัยจะเป็นประโยชน์อย่างมากต่อผู้กำหนดนโยบายการใช้ที่ดิน นักวางแผนภัยพิบัติดินถล่ม และนักวิจัย โมเดลการเรียนรู้ของเครื่องที่ใช้ในการวิจัยนี้สามารถจำลองในภูมิภาคอื่น |
อัลกอริธึมการเรียนรู้ของเครื่องที่ใช้ GIS ของการถดถอยโลจิสติก ฟอเรสต์สุ่ม และแผนผังการตัดสินใจและการถดถอยถูกนำมาใช้ในการเตรียมแผนที่ที่อ่อนแอต่อการเกิดดินถล่มสำหรับพื้นที่ที่มีแนวโน้มเกิดดินถล่มสูง เขต Chattogram ของบังคลาเทศ แบบจำลองทั้งสามนี้ถูกนำมาใช้เป็นครั้งแรกเพื่อเตรียมแผนที่ความไวต่อการเกิดดินถล่มสำหรับเขต Chattogram เนื่องจากการศึกษาก่อนหน้านี้จำกัดอยู่ที่เมือง Chattogram เป็นหลัก ฐานข้อมูลรายการดินถล่ม 261 แห่งและปัจจัยการปรับสภาพดินถล่ม 16 รายการถูกนำมาใช้เพื่ออธิบายความสัมพันธ์ระหว่างดินถล่มและปัจจัยปรับสภาพ ธรณีวิทยาเพียงอย่างเดียวถือเป็นปัจจัยที่สำคัญที่สุดในการเกิดแผ่นดินถล่มในเขต Chattogram นอกจากนี้ ปัจจัยทางภูมิประเทศ (ระดับความสูง ความชัน และลักษณะ) และอุทกวิทยา (TRI และความหนาแน่นของลำน้ำ) บางประการยังทำให้เกิดแผ่นดินถล่มพร้อมกับธรณีวิทยาอีกด้วย การแทรกแซงของมนุษย์ เช่น LULC และการก่อสร้างถนนมีผลกระทบเล็กน้อยเมื่อเทียบกับปัจจัยอื่นๆ ความแม่นยำของแบบจำลอง LR, RF และ DRT เท่ากับ 0.943, 0.917 และ 0.947 ตามลำดับสำหรับอัตราความสำเร็จ และ 0.963, 0.934 และ 0.905 ตามลำดับสำหรับอัตราการทำนาย จากผลการวิจัยพบว่า DRT ได้สร้างแผนที่ความไวต่อการเกิดดินถล่มที่สมจริงที่สุดสำหรับเขต Chattogram ตามแบบจำลอง เกือบ 9–12 % ของพื้นที่ในเขต Chattogram มีความอ่อนไหวสูงต่อดินถล่มซึ่งส่วนใหญ่ครอบคลุมพื้นที่เนินเขา Chattogram City ตั้งอยู่ในโซนที่มีความเสี่ยงสูงมาก ทรัพยากรและประชากรในพื้นที่เนินเขาทั้งหมดมีความเสี่ยงสูงต่อการเกิดแผ่นดินถล่ม กระบวนการทางสัณฐานวิทยาและการแยกส่วนที่ใช้งานอยู่มีส่วนรับผิดชอบต่อศักยภาพของแผ่นดินถล่มในเนินเขาสูง ผลการวิจัยจะเป็นประโยชน์อย่างมากต่อผู้กำหนดนโยบายการใช้ที่ดิน นักวางแผนภัยพิบัติดินถล่ม และนักวิจัย โมเดลการเรียนรู้ของเครื่องที่ใช้ในการวิจัยนี้สามารถจำลองในภูมิภาคอื่น |
10 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|