| 1 |
What is the primary objective of landslide susceptibility mapping as described in the article?
|
To predict the exact date of future landslides. |
|
เพื่อคาดการณ์วันที่แน่นอนของการเกิดดินถล่มในอนาคตซึ่งจะทำให้เราทราบล่วงหน้าและเตรียมรับมือกับดินถล่มได้ทันถ้วงที |
หลักของการทำแผนที่ความอ่อนไหวต่อดินถล่ม/งานวิจัยที่สนับสนุนแนวคิด |
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?
|
Both Logistic Regression and Decision and Regression Tree |
|
ทั้งการถดถอยแบบโลจิสติกและการตัดสินใจและการถดถอยเพราะอัลกอริทึมได้รับความสำเร้จทางด้านโลจิสติกอย่างมากเพื่อนำไปต่อยอดธุรกิจทางด้านโลจิสติก |
ความรู้ด้านเทคโนโลยีอัลกอริทึม/อัลกอริทึม |
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?
|
12% |
|
การเกิดดินถล่ม 75% และเขตเสี่ยงสูงครอบคลุมพื้นที่ประมาณ 12% ของอำเภอ พื้นที่ ที่ไม่เสี่ยงสูงคือเท่าใดก้นำเปอร์ทั้ง2มารวมกันแล้วเทียบกับ%ทั้งหมดคือนำมาลบก็จะได้เปอร์เซ็นต์ของพื้นที่ที่ไม่เสี่ยงสูงว่าเป็นเท่าใด |
สูตร%ทางคณิตศาสตร์/หลังการ+/- |
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 |
|
จำนวนกรณีดินถล่มทั้งหมด = 255 กรณี
80% ถูกใช้สำหรับการฝึกอบรม
เราต้องหาจำนวนครั้งที่ใช้สำหรับการทดสอบ |
สูตร%ทางคณิตศาสตร์/หลังการ+/- |
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 |
|
พื้นที่ทั้งหมดของเขตจตุตกุฏิ = 7,000 ตารางกิโลเมตร
เขตเสี่ยงภัยสูงมาก = 9% ของพื้นที่ทั้งหมด |
สูตร%ทางคณิตศาสตร์/หลังการ+/- |
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.
|
0.05 |
|
Specificity=1−0.05=0.95 |
ในการคำนวณความจำเพาะของแบบจำลอง ให้ใช้สูตร:
ความจำเพาะ
=
1
−
อัตราการเกิดผลบวกลวง (FPR)
ความจำเพาะ = 1− อัตราการเกิดผลบวกลวง (FPR) |
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.
|
Below average |
|
เส้นโค้ง ROC วาดขึ้นโดยการคำนวณอัตราผลบวกจริง (TPR) และอัตราผลบวกลวง (FPR) ที่เกณฑ์ที่เป็นไปได้ทั้งหมด (ในทางปฏิบัติ ณ ช่วงเวลาที่เลือก) จากนั้นจึงสร้างกราฟ TPR ทับ FPR แบบจำลองที่สมบูรณ์แบบ ซึ่ง ณ เกณฑ์บางค่ามีค่า TPR เท่ากับ 1.0 และ |
วารสารวิชาการด้านโลจิสติก/งานวิจัยสนับสนุนแนวคิด |
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% |
|
เราได้รับ:
ชุดข้อมูลการฝึกอบรม = 204 ตำแหน่ง
จำนวนเหตุการณ์ดินถล่มทั้งหมด = 255 ตำแหน่งจากนั้นก็นำมาxกันแล้วคูณ% |
สูตร%ทางคณิตศาสตร์/หลังการ+/- |
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% |
|
Accuracy=100%−Error rate
Accuracy
=
100
%
−
25
%
=
75
%
Accuracy=100%−25%=75% |
สูตร%ทางคณิตศาสตร์/หลังการ+/- |
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% |
|
Success Rate=(
204
181
)×100
=
0.8873
×
100
=
88.73
%
=0.8873×100=88.73% |
เราได้รับ:
การทำนายที่ถูกต้อง = 181
จุดข้อมูลการฝึกทั้งหมด = 204
และใช้สูตร%ทางคณิตศาสตร์/หลังการ+/- |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
What is the primary focus of multimodal transportation systems according to the article?
|
Focusing solely on increasing transportation capacity. |
|
จุดเน้นหลักของระบบขนส่งหลายรูปแบบคือการบูรณาการรูปแบบการขนส่งที่หลากหลาย (เช่น ทางถนน ทางรถไฟ ทางอากาศ และทางทะเล) เข้าด้วยกันอย่างราบรื่นภายใต้สัญญาฉบับเดียว เพื่อขนส่งสินค้าหรือผู้คนอย่างมีประสิทธิภาพและคุ้มค่าจากต้นทางไปยังปลายทาง ซึ่งเกี่ยวข้องกับการประสานรูปแบบการขนส่งที่หลากหลายเหล่านี้และเพิ่มประสิทธิภาพการเดินทางโดยรวม
|
หลักการขนส่งตามระบบโลจิสติก |
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. |
|
จากการศึกษาพบว่า ข้อดีหลักของการใช้ FAHP-DEA ในการวิเคราะห์ความเสี่ยงสำหรับระบบขนส่งหลายรูปแบบคือช่วยให้สามารถกำหนดลำดับความสำคัญของความเสี่ยงและเพิ่มประสิทธิภาพเส้นทางได้อย่างแม่นยำ |
หลักการขนส่งตามระบบโลจิสติก |
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 |
|
เราได้:
ผลรวมน้ำหนักรวม = 1
น้ำหนักสำหรับความเสี่ยงด้านปฏิบัติการ = 0.157
น้ำหนักสำหรับความเสี่ยงด้านความปลอดภัย = 0.073
เราจะหาน้ำหนักรวมของเกณฑ์ที่เหลืออีกสามข้อ: |
น้ำหนักที่เหลือ=1−(0.157+0.073)=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 |
|
𝑅=𝑃×𝐶) R=P×C?ใช้สูตร |
0.5x0.2=0.1ระดับความเสี่ยงสำหรับส่วนเส้นทางนั้นโดยใช้แบบจำลอง=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 |
|
Aggregate Risk Score=∑(w
i
×s
i
)
=
(
0.321
×
0.5
)
+
(
0.388
×
0.6
)
+
(
0.157
×
0.4
)
+
(
0.073
×
0.3
)
+
(
0.061
×
0.2
)
=(0.321×0.5)+(0.388×0.6)+(0.157×0.4)+(0.073×0.3)+(0.061×0.2) |
สมการ∑(w i ×s i) |
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 |
|
Probability assessment
𝑃
=
3
P=3 (on a scale of 5)
Severity assessment
𝐶
=
3
C=3 (on a scale of 5)
Transport segment proportion
𝐷
=
20
%
=
0.20
D=20%=0.20
R=3×3×0.20=9×0.20=1.80 |
สมการสูตณ : R=P×C×D |
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 |
|
การมีส่วนสนับสนุนของความเสี่ยงด้านสิ่งแวดล้อมต่อคะแนนความเสี่ยงโดยรวม = 0.061x0.4 |
หลักการคูณทั่วๆไป |
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.
|
0.120 |
|
คำนวณคะแนนความเสี่ยงโดยรวมใหม่หากน้ำหนักของความเสี่ยงโครงสร้างพื้นฐานเพิ่มขึ้นจาก 0.388 เป็น 0.400 ในขณะที่คงพารามิเตอร์อื่นๆ ไว้เท่าเดิม โดยกำหนดว่าคะแนนความเสี่ยงในท้องถิ่นคือ 0.2 : 0.388-0.400 |
หลักการลบเลขจุดทศนิยม |
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?
|
0.00255 |
|
การเปลี่ยนแปลงในส่วนสนับสนุนต่อคะแนนความเสี่ยงโดยรวมจะเป็นประมาณ 0.00255 |
จาก 0.4-0.35แล้วนำไปเทียบกับมวล0.073 |
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?
|
0.14647 |
|
Formula for total contribution:
Total Contribution
=
∑
(
Local Weight
×
Weight
)
Total Contribution=∑(Local Weight×Weight) |
คำนวณแต่ละพจน์:
ความเสี่ยงจากความเสียหายจากการขนส่งสินค้า:
0.1
×
0.321
=
0.0321
0.1×0.321=0.0321
ความเสี่ยงด้านโครงสร้างพื้นฐาน:
0.2
×
0.388
=
0.0776
0.2×0.388=0.0776
ความเสี่ยงด้านปฏิบัติการ:
0.15
×
0.157
=
0.02355
0.15×0.157=0.02355
รวมผลลัพธ์เหล่านี้:
0.0321
+
0.0776
+
0.02355
=
0.13325
0.0321+0.0776+0.02355=0.13325
ไม่มีคำตอบใดที่ตรงกันทั้งหมด แต่ลองตรวจสอบอย่างละเอียดว่า "น้ำหนัก" กำลังถูกผสมกัน
เป็นไปได้ไหมว่าน้ำหนักท้องถิ่นคือคะแนน และน้ำหนักที่กำหนดคือน้ำหนักความสำคัญของคะแนน หรือในทางกลับกัน?
สมมติว่าการคำนวณข้างต้นถูกต้อง 0.13325 จะใกล้เคียงกับตัวเลือกใดๆ มากที่สุด แต่บางทีน้ำหนักท้องถิ่นควรคูณด้วยวิธีอื่น?
ลองสลับบทบาทกันดู (เผื่อไว้):
0.321
×
0.1
=
0.0321
(
𝑠
𝑎
𝑚
𝑒
)
0.321×0.1=0.0321(เหมือนเดิม)
0.388
×
0.2
=
0.0776
(
𝑠
𝑎
𝑚
𝑒
)
0.388×0.2=0.0776(เหมือนเดิม)
0.157
×
0.15
=
0.02355
(
𝑠
𝑎
𝑚
𝑒
)
0.157×0.15=0.02355(เหมือนเดิม)
ผลรวมยังคงเป็น 0.13325
สิ่งนี้บ่งบอกว่าไม่มีตัวเลือกที่ตรงกันเลย แต่ตัวเลือกที่ใกล้เคียงที่สุดคือ 0.14647 |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|