| 1 |
What is the primary objective of landslide susceptibility mapping as described in the article?
|
To mitigate the economic and environmental damage by predicting areas at risk. |
|
การทำแผนที่ความไวต่อการเกิดดินถล่มใช้เพื่อระบุพื้นที่ที่เสี่ยงต่อการเกิดแผ่นดินถล่มเป็นหลัก ข้อมูลนี้มีความสำคัญ |
การวางแผนการใช้ที่ดิน: หลีกเลี่ยงการก่อสร้างในเขตที่มีความเสี่ยงสูง
การจัดการภัยพิบัติ: การพัฒนาระบบเตือนภัยล่วงหน้าและแผนการอพยพ
การประเมินความเสี่ยง: การประเมินผลกระทบทางเศรษฐกิจและสิ่งแวดล้อมที่อาจเกิดขึ้น
การคาดการณ์พื้นที่เสี่ยงจะช่วยลดผลกระทบด้านลบจากแผ่นดินถล่มให้เหลือน้อยที่สุด |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 2 |
Which machine learning algorithm was noted for having the highest success rate according to the article?
|
All of the above equally |
|
การเลือกอัลกอริทึมการเรียนรู้ของเครื่องที่เหมาะสมขึ้นอยู่กับหลายปัจจัย และไม่มีอัลกอริทึมใดที่เป็น "ที่ดีที่สุด" สำหรับทุกปัญหาเสมอไป การเลือกอัลกอริทึมที่เหมาะสมจึงต้องอาศัยความรู้ความเข้าใจในทั้งอัลกอริทึมและปัญหาที่ต้องการแก้ไข |
ทำความเข้าใจบริบทที่โจทย์กำหนดมา |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 3 |
If the area of Chattogram district is 75% susceptible to landslides, and the highly susceptible zone covers approximately 12% of the district, what is the area (in percentage) that is not highly susceptible?
|
63% |
|
ในการค้นหาพื้นที่ที่ไม่อ่อนแอมาก เราต้องลบพื้นที่ที่มีความเสี่ยงสูงออกจากพื้นที่ที่อ่อนแอทั้งหมด
พื้นที่ไม่อ่อนแอมาก = พื้นที่อ่อนแอทั้งหมด - พื้นที่อ่อนแอสูง
พื้นที่ไม่อ่อนแอมาก = 75% - 12% = 63% |
ในการค้นหาพื้นที่ที่ไม่อ่อนแอมาก เราต้องลบพื้นที่ที่มีความเสี่ยงสูงออกจากพื้นที่ที่อ่อนแอทั้งหมด
พื้นที่ไม่อ่อนแอมาก = พื้นที่อ่อนแอทั้งหมด - พื้นที่อ่อนแอสูง
พื้นที่ไม่อ่อนแอมาก = 75% - 12% = 63% |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 4 |
Considering that the total number of analyzed landslides is 255, and 80% were used for training the models, how many landslide instances were used for testing?
|
51 |
|
แผ่นดินถล่มทั้งหมด = 255
เปอร์เซ็นต์ที่ใช้ในการฝึกอบรม = 80%
จำนวนดินถล่มที่ใช้ในการฝึกอบรม = 255 * 0.8 = 204
จำนวนแผ่นดินถล่มที่ใช้ทดสอบ = แผ่นดินถล่มทั้งหมด - การฝึกดินถล่ม = 255 - 204 = 51 |
แผ่นดินถล่มทั้งหมด = 255
เปอร์เซ็นต์ที่ใช้ในการฝึกอบรม = 80%
จำนวนดินถล่มที่ใช้ในการฝึกอบรม = 255 * 0.8 = 204
จำนวนแผ่นดินถล่มที่ใช้ทดสอบ = แผ่นดินถล่มทั้งหมด - การฝึกดินถล่ม = 255 - 204 = 51 |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 5 |
If the total area of Chattogram district is 7,000 km² and the very high susceptible zone covers 9% of the district, what is the area of the very high susceptible zone in km²?
|
630 km² |
|
ในการค้นหาพื้นที่ของโซนที่มีความเสี่ยงสูงมาก ให้คูณพื้นที่ทั้งหมดด้วยเปอร์เซ็นต์ |
ในการค้นหาพื้นที่ของโซนที่มีความเสี่ยงสูงมาก ให้คูณพื้นที่ทั้งหมดด้วยเปอร์เซ็นต์:
พื้นที่โซนที่มีความเสี่ยงสูงมาก = 7000 km² * 9% = 630 km² |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 6 |
Assuming the false positive rate (FPR) for the logistic regression model is 0.05 and the true positive rate (TPR) is 0.95, calculate the specificity of the model.
|
0.95 |
|
การทำความเข้าใจเงื่อนไข:
อัตราผลบวกที่แท้จริง (TPR): สัดส่วนของผลบวกจริงที่ได้รับการระบุอย่างถูกต้อง
อัตราผลบวกลวง (FPR): สัดส่วนของผลลบจริงที่ถูกระบุอย่างไม่ถูกต้องว่าเป็นผลบวก
ความจำเพาะ: สัดส่วนของผลเชิงลบที่เกิดขึ้นจริงที่ได้รับการระบุอย่างถูกต้อง |
การคำนวณ:
ความจำเพาะ = 1 - อัตราผลบวกลวง (FPR)
เมื่อพิจารณาว่า FPR = 0.05
ความจำเพาะ = 1 - 0.05 = 0.95 |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
Given that the area under the ROC curve (AUC) for the logistic regression model is 0.963, and the prediction rate is measured as the area under this curve, rate the model's prediction accuracy.
|
Excellent |
|
จากค่า AUC 0.963 ที่ได้จากโมเดล Logistic Regression บ่งชี้ว่าโมเดลมีความสามารถในการทำนายผลลัพธ์ได้อย่างแม่นยำในระดับที่ยอดเยี่ยม ซึ่งหมายความว่าโมเดลสามารถแยกแยะตัวอย่างที่เป็นบวกและลบได้อย่างชัดเจนและมีประสิทธิภาพสูง |
เส้นโค้ง ROC (Receiver Operating Characteristic): เป็นกราฟที่แสดงความสัมพันธ์ระหว่าง True Positive Rate กับ False Positive Rate โดยจุดต่างๆ บนเส้นโค้งแสดงถึงค่า Threshold ที่แตกต่างกันในการตัดสินใจจำแนกประเภท
พื้นที่ใต้เส้นโค้ง ROC (AUC): คือค่าที่วัดประสิทธิภาพโดยรวมของโมเดลในการจำแนกประเภท โดยไม่ขึ้นอยู่กับค่า Threshold ที่เลือก |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
If the training dataset consists of 204 locations, calculate the percentage of this training dataset from the total landslide occurrences (255 locations).
|
80% |
|
ในการคำนวณเปอร์เซ็นต์ เราจะแบ่งขนาดชุดข้อมูลการฝึกอบรมด้วยจำนวนเหตุการณ์แผ่นดินถล่มทั้งหมดแล้วคูณด้วย 100:
|
(204 แห่ง / 255 แห่ง) * 100 = 80% |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
If the model predicts a 25% error rate for new observations, what is the accuracy percentage for predictions made by this model?
|
75% |
|
หากแบบจำลองมีอัตราข้อผิดพลาด 25% แสดงว่าคาดการณ์ได้ถูกต้อง 75%
ความแม่นยำคือเปอร์เซ็นต์ของการทำนายที่ถูกต้อง
ดังนั้นความแม่นยำของแบบจำลองคือ 75% |
หากแบบจำลองมีอัตราข้อผิดพลาด 25% แสดงว่าคาดการณ์ได้ถูกต้อง 75%
ความแม่นยำคือเปอร์เซ็นต์ของการทำนายที่ถูกต้อง
ดังนั้นความแม่นยำของแบบจำลองคือ 75% |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
Calculate the success rate if a model correctly predicted 181 out of 204 training data points.
|
88.73% |
|
อัตราความสำเร็จ = (จำนวนการคาดการณ์ที่ถูกต้อง / จำนวนการคาดการณ์ทั้งหมด) * 100 |
อัตราความสำเร็จ = (จำนวนการคาดการณ์ที่ถูกต้อง / จำนวนการคาดการณ์ทั้งหมด) * 100
จำนวนคำทำนายที่ถูกต้อง = 181
จำนวนการคาดการณ์ทั้งหมด = 204
อัตราความสำเร็จ = (181 / 204) * 100 = 88.73%
ดังนั้น อัตราความสำเร็จของแบบจำลองคือ 88.73% |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
What is the primary focus of multimodal transportation systems according to the article?
|
Enhancing environmental sustainability and safety. |
|
ระบบขนส่งต่อเนื่องหลายรูปแบบให้ความสำคัญกับแนวทางแบบองค์รวมที่สร้างสมดุลระหว่างประสิทธิภาพกับความรับผิดชอบต่อสิ่งแวดล้อมและความปลอดภัย แม้ว่าการลดต้นทุนและการลดเวลาจะเป็นปัจจัยสำคัญ แต่เป้าหมายโดยรวมคือการสร้างเครือข่ายการขนส่งที่ยั่งยืนและปลอดภัย |
ระบบขนส่งต่อเนื่องหลายรูปแบบให้ความสำคัญกับแนวทางแบบองค์รวมที่สร้างสมดุลระหว่างประสิทธิภาพกับความรับผิดชอบต่อสิ่งแวดล้อมและความปลอดภัย แม้ว่าการลดต้นทุนและการลดเวลาจะเป็นปัจจัยสำคัญ แต่เป้าหมายโดยรวมคือการสร้างเครือข่ายการขนส่งที่ยั่งยืนและปลอดภัย |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
According to the study, what is the main advantage of using the FAHP-DEA method in risk analysis for multimodal transportation systems?
|
It allows for precise risk prioritization and optimization of routes. |
|
FAHP-DEA ผสมผสานจุดแข็งของ Fuzzy Analytic Hierarchy Process (FAHP) สำหรับการประเมินเชิงคุณภาพและ Data Envelopment Analysis (DEA) สำหรับการประเมินเชิงปริมาณ |
การประเมินความเสี่ยงที่ครอบคลุม: พิจารณาทั้งปัจจัยเชิงคุณภาพและเชิงปริมาณ
การจัดลำดับความสำคัญของความเสี่ยง: การระบุความเสี่ยงที่สำคัญที่สุดโดยพิจารณาจากผลกระทบและความเป็นไปได้
การเพิ่มประสิทธิภาพเส้นทาง: การเลือกเส้นทางที่มีประสิทธิภาพและปลอดภัยที่สุดโดยพิจารณาหลายเกณฑ์
ดังนั้น FAHP-DEA จึงเสนอวิธีการที่มีประสิทธิภาพและมีประสิทธิภาพสำหรับการบริหารความเสี่ยงในระบบขนส่งต่อเนื่องหลายรูปแบบ |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
If the risk analysis model has five criteria and assigns importance weights such that the total sums up to 1, and the weights for operational risk and security risk are 0.157 and 0.073 respectively, what is the combined weight of the remaining three criteria?
|
0.770 |
|
น้ำหนักรวมของเกณฑ์ทั้งหมด = 1
น้ำหนักความเสี่ยงด้านปฏิบัติการ = 0.157
น้ำหนักความเสี่ยงด้านความปลอดภัย = 0.073
สารละลาย:
น้ำหนักรวมของความเสี่ยงด้านการปฏิบัติงานและความปลอดภัย = 0.157 + 0.073 = 0.230
น้ำหนักรวมของเกณฑ์ที่เหลืออีกสามเกณฑ์ = น้ำหนักรวม - น้ำหนักของความเสี่ยงด้านการปฏิบัติงานและความปลอดภัย
น้ำหนักรวมของเกณฑ์ที่เหลืออีกสามเกณฑ์ = 1 - 0.230 = 0.770 |
น้ำหนักรวมของเกณฑ์ทั้งหมด = 1
น้ำหนักความเสี่ยงด้านปฏิบัติการ = 0.157
น้ำหนักความเสี่ยงด้านความปลอดภัย = 0.073
สารละลาย:
น้ำหนักรวมของความเสี่ยงด้านการปฏิบัติงานและความปลอดภัย = 0.157 + 0.073 = 0.230
น้ำหนักรวมของเกณฑ์ที่เหลืออีกสามเกณฑ์ = น้ำหนักรวม - น้ำหนักของความเสี่ยงด้านการปฏิบัติงานและความปลอดภัย
น้ำหนักรวมของเกณฑ์ที่เหลืออีกสามเกณฑ์ = 1 - 0.230 = 0.770 |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
If the probability of an accident occurring on a route is 0.2 and the consequence severity is rated at 0.5, what is the risk level for that route segment using the model
𝑅
=
𝑃
×
𝐶
R=P×C?
|
0.1 |
|
P = 0.2
C = 0.5
ดังนั้น R = 0.2 * 0.5 = 0.1
ระดับความเสี่ยงสำหรับส่วนเส้นทางนั้นคือ 0.1 |
ที่ให้ไว้:
P = 0.2
C = 0.5
ดังนั้น R = 0.2 * 0.5 = 0.1
ระดับความเสี่ยงสำหรับส่วนเส้นทางนั้นคือ 0.1 |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
Calculate the aggregate risk score if the weights of the criteria are 0.321, 0.388, 0.157, 0.073, and 0.061, and the local risk scores for a route are 0.5, 0.6, 0.4, 0.3, and 0.2 respectively.
|
0.519 |
|
มีเกณฑ์ห้าข้อที่มีน้ำหนักที่สอดคล้องกัน
เรามีคะแนนความเสี่ยงในท้องถิ่นห้าคะแนนสำหรับเส้นทางหนึ่งๆ
สารละลาย:
ในการคำนวณคะแนนความเสี่ยงรวม เราจะคูณน้ำหนักของแต่ละเกณฑ์ด้วยคะแนนความเสี่ยงในท้องถิ่นที่เกี่ยวข้อง และสรุปผลลัพธ์ |
คะแนนความเสี่ยงรวม = (น้ำหนัก 1 * คะแนนความเสี่ยง 1) + (น้ำหนัก 2 * คะแนนความเสี่ยง 2) + ... + (น้ำหนัก 5 * คะแนนความเสี่ยง 5)
จะได้ คะแนนความเสี่ยงรวม = (0.321 * 0.5) + (0.388 * 0.6) + (0.157 * 0.4) + (0.073 * 0.3) + (0.061 * 0.2)
คะแนนความเสี่ยงรวม = 0.1605 + 0.2328 + 0.0628 + 0.0219 + 0.0122
คะแนนความเสี่ยงรวม อยู่ที่ 0.5102
ดังนั้นคะแนนความเสี่ยงรวมจะอยู่ที่ประมาณ 0.519 |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
If the probability assessment for a risk is ranked 3 on a scale of 5 and the severity assessment is also ranked 3, with the transport segment accounting for 20% of the total route distance, calculate the risk assessment using the formula
𝑅
=
𝑃
×
𝐶
×
𝐷
R=P×C×D.
|
1.80 |
|
R = P * C * D |
การคำนวณ:
R = P * C * D
R = 3 * 3 * 0.2
R= 1.8
คำตอบ:
การประเมินความเสี่ยงคือ 1.80 |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
Given that the weight for environmental risk is 0.061 and the local risk score for a route is 0.4, calculate the contribution of environmental risk to the overall risk score.
|
0.0244 |
|
การคำนวณการมีส่วนร่วมของความเสี่ยงด้านสิ่งแวดล้อม
การมีส่วนร่วมของความเสี่ยงด้านสิ่งแวดล้อม = น้ำหนักของความเสี่ยงด้านสิ่งแวดล้อม * คะแนนความเสี่ยงในท้องถิ่น
น้ำหนักความเสี่ยงด้านสิ่งแวดล้อม = 0.061
คะแนนความเสี่ยงในท้องถิ่นสำหรับความเสี่ยงด้านสิ่งแวดล้อม = 0.4 |
ส่วนร่วมของความเสี่ยงด้านสิ่งแวดล้อม = 0.061 * 0.4 = 0.0244
การมีส่วนร่วมของความเสี่ยงด้านสิ่งแวดล้อมต่อคะแนนความเสี่ยงโดยรวมคือ 0.0244
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
Calculate the new overall risk score if the weight of infrastructure risk is increased from 0.388 to 0.400 while keeping other parameters constant, given that its local risk score is 0.2.
|
0.160 |
|
ปัจจัยอื่นๆ: คำถามระบุว่าปัจจัยอื่นๆ คงที่ แต่ไม่ได้ระบุว่ามีปัจจัยอะไรบ้างและมีน้ำหนักเท่าใด การคำนวณคะแนนความเสี่ยงรวมจำเป็นต้องพิจารณาปัจจัยทั้งหมดที่มีผลต่อความเสี่ยง และน้ำหนักที่กำหนดให้กับแต่ละปัจจัย
สูตรการคำนวณ: ไม่มีการระบุสูตรการคำนวณคะแนนความเสี่ยงรวมที่ใช้ ซึ่งสูตรนี้จะแตกต่างกันไปขึ้นอยู่กับบริบทและวิธีการประเมินความเสี่ยงที่ใช้
ช่วงของคะแนน: ไม่ได้กำหนดช่วงของคะแนนความเสี่ยงที่เป็นไปได้ |
การประเมินความเสี่ยง (Risk Assessment): เป็นกระบวนการที่ใช้ในการระบุ ประเมิน และจัดการความเสี่ยงที่อาจเกิดขึ้น การคำนวณคะแนนความเสี่ยงเป็นส่วนหนึ่งของกระบวนการนี้
น้ำหนักของความเสี่ยง (Weight): เป็นค่าที่แสดงถึงความสำคัญสัมพัทธ์ของแต่ละปัจจัยที่มีต่อความเสี่ยงโดยรวม น้ำหนักจะถูกกำหนดขึ้นอยู่กับความรู้และประสบการณ์ของผู้ประเมิน
คะแนนความเสี่ยงเฉพาะ (Local Risk Score): เป็นคะแนนที่แสดงถึงระดับความเสี่ยงของปัจจัยแต่ละตัว
คะแนนความเสี่ยงรวม (Overall Risk Score): เป็นคะแนนที่แสดงถึงระดับความเสี่ยงโดยรวมของโครงการหรือกิจกรรม |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
If a mode of transportation has a risk weight of 0.073 and its risk score is reassessed from 0.4 to 0.35, what is the change in its contribution to the overall risk score?
|
0.00365 |
|
เราจำเป็นต้องคำนวณความแตกต่างในการมีส่วนร่วมของรูปแบบการขนส่งกับคะแนนความเสี่ยงโดยรวมเนื่องจากการเปลี่ยนแปลงของคะแนนความเสี่ยง |
น้ำหนักความเสี่ยงของโหมด: 0.073
คะแนนความเสี่ยงเดิม: 0.4
คะแนนความเสี่ยงใหม่: 0.35
สารละลาย:
คำนวณการบริจาคเดิม:
เงินสมทบเดิม = น้ำหนักความเสี่ยง * คะแนนความเสี่ยงเดิม = 0.073 * 0.4 = 0.0292
คำนวณการบริจาคใหม่:
ผลงานใหม่ = น้ำหนักความเสี่ยง * คะแนนความเสี่ยงใหม่ = 0.073 * 0.35 = 0.02555
คำนวณการเปลี่ยนแปลงในส่วนร่วม:
การเปลี่ยนแปลงในการสนับสนุน = การสนับสนุนใหม่ - การสนับสนุนเดิม = 0.02555 - 0.0292 = -0.00365
ดังนั้นการเปลี่ยนแปลงการมีส่วนร่วมในคะแนนความเสี่ยงโดยรวมคือ -0.00365
ซึ่งหมายความว่าการมีส่วนร่วมในคะแนนความเสี่ยงโดยรวมลดลง 0.00365
|
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
If the local weights of freight-damage risk, infrastructure risk, and operational risk are 0.1, 0.2, and 0.15 respectively, what is their total contribution to the risk score if their respective weights are 0.321, 0.388, and 0.157?
|
0.20097 |
|
การหาผลรวมน้ำหนักความเสี่ยงในชุดที่สอง จึงนำน้ำหนักความเสี่ยงของแต่ละปัจจัยในชุดที่สองมาบวก |
การวัดความเสี่ยง (Risk Measurement): การกำหนดน้ำหนักให้กับปัจจัยต่างๆ ที่เกี่ยวข้องกับความเสี่ยง เพื่อประเมินระดับความเสี่ยงโดยรวม
การบวก (Addition): เป็นการรวมค่าตัวเลขเข้าด้วยกัน เพื่อหาผลรวมทั้งหมด |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|