| 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. |
|
จากบทความเรื่อง "GIS-based landslide susceptibility mapping using logistic regression, random forest and decision and regression tree models in Chattogram District, Bangladesh" เป้าหมายหลักของการทำแผนที่ความเสี่ยงดินถล่มคือ การลดความเสียหายทางเศรษฐกิจและสิ่งแวดล้อมโดยการคาดการณ์พื้นที่เสี่ยง |
จากบทความเรื่อง "GIS-based landslide susceptibility mapping using logistic regression, random forest and decision and regression tree models in Chattogram District, Bangladesh" |
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?
|
Decision and Regression Tree |
|
จากบทความที่อ่านโมเดล Decision and Regression Tree มีอัตราความสำเร็จสูงสุดที่ เนื่องจากสามารถจับความสัมพันธ์ที่ซับซ้อนและจัดการข้อมูลที่มีความหลากหลายได้ดี ทำให้มันมีความแม่นยำสูงในการทำนายความเสี่ยงจากดินถล่มมากกว่าโมเดลอื่นๆ |
บทความ "GIS-based landslide susceptibility mapping using logistic regression, random forest and decision and regression tree models in Chattogram District, Bangladesh" ระบุว่า Decision and Regression Tree มีอัตราความสำเร็จสูงสุด |
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% |
|
Area that is not highly susceptible 75% (susceptible area) - 12% (highly susceptible area) = 63% |
การคำนวณส่วนต่างจากโจทย์ |
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 |
|
80% (หรือ 204 เหตุการณ์) ใช้ในการฝึกโมเดล
ส่วนที่เหลือ 20% (หรือ 51 เหตุการณ์) ใช้ในการทดสอบโมเดล |
การแบ่งข้อมูลสำหรับการฝึกและการทดสอบโมเดล และการคำนวนแบบร้อยละ |
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 |
|
0.09 × 7,000 kmกำลัง2 ได้ 630 Kmกำลัง2 |
หลักการคูณ และ การหาสัดส่วนแบบร้อยละ |
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 |
|
Specificity หรือ ความเฉพาะเจาะจง เป็นค่าที่ใช้ในการวัดประสิทธิภาพของโมเดลในการทำนายผลลัพธ์ที่ถูกต้อง |
การประเมินประสิทธิภาพของโมเดลโดยใช้เมตริกทางสถิติ เช่นFalse Positive Rate (FPR) และ Specificity |
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 |
|
ค่า AUC วัดประสิทธิภาพของโมเดลในการแยกแยะระหว่างคลาสต่างๆ โดยค่า AUC ที่ใกล้ 1 แสดงว่าโมเดลมีความสามารถในการทำนายได้ยอดเยี่ยม ในกรณีนี้ AUC = 0.963 ซึ่งอยู่ในช่วงที่สูงมาก แสดงว่าโมเดลสามารถแยกแยะระหว่างคลาสที่เป็นบวกและลบได้ดีเยี่ยม ไม่มีข้อผิดพลาดมาก และสามารถทำนายได้อย่างแม่นยำ ดังนั้นโมเดลนี้จึงมีประสิทธิภาพ ยอดเยี่ยม (Excellent)ครัล |
Area Under the Curve |
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% |
|
- |
- |
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% |
|
Error Rate มันหมายถึงเปอร์เซ็นต์ของการทำนายที่ผิดจากทั้งหมด ซึ่งในกรณีนี้โมเดลมี Error Rate = 25% ซึ่งแสดงว่า 25% ของการทำนายทั้งหมดไม่ถูกต้อง ดังนั้น Accuracy ของโมเดลคือ 75% ซึ่งหมายความว่าโมเดลทำนายผลลัพธ์ถูกต้อง 75% ของกรณีทั้งหมด |
สัดส่วนร้อยละ |
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% |
|
ส่วนถูกหารเหตุการณ์ทั้งหมด คูณร้อย ให้ได้rate แบบร้อยละ นำ181/204 x 100 ได้ประมาณ 88.73% |
การคำนวณอัตราความสำเร็จ หรือการคำนวณอัตราส่วนรอยละ |
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. |
|
Multimodal transportation systems มุ่งเน้นการใช้หลายวิธีการขนส่ง เช่น ถนน, รถไฟ, การขนส่งทางอากาศ ร่วมกันเพื่อเพิ่มประสิทธิภาพการขนส่งและลดผลกระทบต่อสิ่งแวดล้อม โดยการผสมผสานข้อดีของแต่ละรูปแบบการขนส่งให้เกิดประโยชน์สูงสุด การใช้ระบบนี้ไม่เพียงแค่เพื่อเพิ่มความเร็วหรือความจุในการขนส่ง แต่ยังคำนึงถึงการลดผลกระทบด้านสิ่งแวดล้อมและความปลอดภัยในการเดินทาง |
แนวคิดของ Multimodal Transportation Systems |
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. |
|
FAHPและ DEAเป็นเครื่องมือที่ใช้ในการประเมินและจัดลำดับความสำคัญของความเสี่ยงในระบบการขนส่งหลายรูปแบบ (multimodal transportation systems) โดยทั้งสองวิธีช่วยให้สามารถประเมินความเสี่ยงและประสิทธิภาพของเส้นทางขนส่งต่างๆ ได้อย่างแม่นยำ |
Fuzzy Analytic Hierarchy Process และData Envelopment Analysis |
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 |
|
น้ำหนักรวมของเกณฑ์ที่เหลือ=1−(0.157+0.073)=1−0.230=0.770 |
การหักลบเพื่อคำนวณน้ำหนักของเกณฑ์ที่เหลือ เมื่อมีน้ำหนักของบางเกณฑ์ที่กำหนดไว้แล้ว การหักลบจาก 1 จะช่วยหาค่าน้ำหนักของเกณฑ์ที่เหลือที่ยังไม่ได้กำหนด |
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 |
|
Risk level=R,P (Probability),C (Consequence severity)
R=P×C
R=0.2×0.5=0.1 |
อ้างอิงจาก โมเดลความเสี่ยง ซึ่งคำนวณโดยการคูณ ความน่าจะเป็น กับ ความรุนแรงของผลกระทบ เพื่อให้ได้ค่าระดับความเสี่ยงโดยรวม |
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 |
|
(0.321×0.5)+(0.388×0.6)+(0.157×0.4)+(0.073×0.3)+(0.061×0.2)=0.4902 ดังนั้น 0.519 จึงใกล้เคียงที่สุดครับ |
คูณน้ำหนักกับคะแนนความเสี่ยง คำนวณค่าแต่ละเกณฑ์โดยการคูนน้ำหนักของเกณฑ์นั้นๆ กับคะแนนความเสี่ยงของเส้นทางที่วิเคราะห์
แล้วจึงรวมค่า |
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=3×3×0.20=1.80 |
การคำนวณนี้จะได้คะแนนความเสี่ยงเป็น 1.80 แสดงถึงระดับความเสี่ยงที่คำนวณจากการประเมินความน่าจะเป็น, ความรุนแรงของผลกระทบ และปัจจัยระยะทางที่เกี่ยวข้องกับเส้นทางนั้นๆ |
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 |
|
Contribution of environmental risk=Weight x Local risk score
=0.0244 |
การคำนวณการมีส่วนร่วมของความเสี่ยงด้านสิ่งแวดล้อมทำได้โดยการคูณน้ำหนักของความเสี่ยง (0.061) กับคะแนนความเสี่ยงท้องถิ่น (0.4) ซึ่งได้ผลลัพธ์เป็น 0.0244 นี่คือการสะท้อนถึงการมีส่วนร่วมของความเสี่ยงด้านสิ่งแวดล้อมในคะแนนความเสี่ยงรวม |
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.
|
0.080 |
|
การคำนวณ คะแนนความเสี่ยงรวมใหม่ ทำได้โดยการคูณ น้ำหนักใหม่ ของความเสี่ยงด้านโครงสร้างพื้นฐาน กับ คะแนนความเสี่ยงท้องถิ่น
0.400 x 0.2=0.080 |
อ้างอิงจากการวิเคราะห์ความเสี่ยงหลายมิติ ซึ่งใช้หลักการคูณ น้ำหนัก ของแต่ละปัจจัย กับ คะแนนความเสี่ยง เพื่อหาค่าการมีส่วนร่วมของแต่ละปัจจัยในคะแนนความเสี่ยงรวม |
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 |
|
การคำนวณการเปลี่ยนแปลงในการมีส่วนร่วมของความเสี่ยงทำได้โดยการคูณ น้ำหนักความเสี่ยง กับ คะแนนความเสี่ยง ก่อนและหลังการปรับ เมื่อคะแนนความเสี่ยงลดลงจาก 0.4 เป็น 0.35 การเปลี่ยนแปลงที่เกิดขึ้นคือ 0.00365 แสดงถึงการลดลงในการมีส่วนร่วมของความเสี่ยง |
การคำนวณการเปลี่ยนแปลงในการมีส่วนร่วมของความเสี่ยงใช้หลักการการวิเคราะห์ความเสี่ยงหลายมิติ |
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?
|
0.12069 |
|
คำตอบที่ใกล้เคียงกับการคำนวณของผมมากที่สุดก็คือ0.13325ครับผม |
0.0321+0.0776+0.02355=0.13325 |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|