| 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. |
|
ระบุพื้นที่เสี่ยงเพื่อลดความเสียหายทางเศรษฐกิจและสิ่งแวดล้อม พร้อมสนับสนุนการจัดการพื้นที่อย่างยั่งยืน |
Disaster Risk Management + Geospatial Analysis + Environmental Management |
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?
|
Random Forest |
|
Random Forest เป็น ensemble learning method ที่รวมหลาย decision trees |
ทฤษฎีหลัก:
• Ensemble Learning → ลด overfitting, เพิ่มความแม่นยำ
• Supervised Machine Learning → ใช้ข้อมูลปัจจัยเสี่ยงสอนโมเดล
• Feature Importance → ระบุปัจจัยสำคัญต่อความเสี่ยง |
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?
|
87% |
|
คำนวณสัดส่วนพื้นที่ที่ไม่อยู่ในโซนเสี่ยงสูง ใช้ในการจัดการพื้นที่และลดความเสี่ยงภัยธรรมชาติ |
Disaster Risk Assessment + Geospatial Analysis + Percentage/Proportional Analysis |
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 |
|
แบ่งข้อมูลเพื่อสอนโมเดลและตรวจสอบความแม่นยำ ลด overfitting |
Supervised Machine Learning + Model Validation + Data Splitting & Generalization |
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 |
|
แปลงเปอร์เซ็นต์เป็นพื้นที่จริง ประเมินพื้นที่ very high susceptible ใช้ในการจัดการและเตือนภัย |
Disaster Risk Assessment + Geospatial Analysis + Percentage/Proportional Analysis |
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 |
|
วัดความแม่นยำในการระบุ negative ลด false positive ประเมินความน่าเชื่อถือของโมเดล |
Confusion Matrix + Model Evaluation + Statistical Decision Theory |
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 |
|
AUC = 0.963 โมเดล Logistic Regression สามารถจำแนก positive/negative ได้แม่นยำมาก |
ROC & AUC + Model Evaluation + Statistical Decision Theory |
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% |
|
การระบุเปอร์เซ็นต์ของ training dataset ช่วยให้เข้าใจ สัดส่วนข้อมูลที่ใช้สอนโมเดล |
Supervised Machine Learning Theory + Model Validation & Data Splitting Theory |
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 = อัตราการทำนายถูกต้องของโมเดล ถ้า error rate = 25% หมายความว่า ทำนายถูกต้อง 75% |
Model Evaluation Theory + Statistical Decision Theory |
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 = เปอร์เซ็นต์ของการทำนายถูกต้อง ของโมเดล ใช้วัดว่า โมเดลเรียนรู้ pattern ของ training data ได้ดีเพียงใด |
Supervised Machine Learning Theory + Model Evaluation Theory |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
What is the primary focus of multimodal transportation systems according to the article?
|
Minimizing transportation time only. |
|
การใช้เพียงโหมดเดียว (เช่น รถบรรทุก) การบูรณาการหลายโหมด ลดต้นทุน, ลดเวลา, เพิ่มความน่าเชื่อถือ ช่วยให้ โลจิสติกส์และ supply chain ทำงานได้อย่างราบรื่นและแข่งขันได้ |
Logistics & Supply Chain + Transportation Efficiency + Optimization |
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. |
|
ช่วยเลือกเส้นทางที่ความเสี่ยงต่ำและมีประสิทธิภาพสูง |
MCDM + DEA + Integrated Risk Management |
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 |
|
เพื่อคำนวณน้ำหนักรวมของเกณฑ์ที่เหลือและจัดลำดับความสำคัญครบถ้วน |
AHP + MCDM |
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 |
|
แสดงระดับความเสี่ยงโดยพิจารณาความน่าจะเป็นและความรุนแรง |
Risk Assessment + Decision-Making Under Risk |
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.
|
0.438 |
|
แสดงความเสี่ยงรวมโดยพิจารณาน้ำหนักความสำคัญของแต่ละเกณฑ์ |
Weighted Sum Method + Risk Assessment |
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?
|
0.12 |
|
พิจารณาทั้งความน่าจะเป็น ความรุนแรง และส่วนของเส้นทาง |
Risk Assessment + Weighted Risk Modeling |
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 |
|
แสดงผลกระทบของ environmental risk ต่อ aggregate risk |
Weighted Sum Method + Risk Assessment |
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 |
|
Weight ของ Infrastructure risk เพิ่ม contribution ต่อ aggregate risk |
Weighted Sum Method + Risk Assessment |
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 |
|
Risk score ลด → contribution ลด |
Weighted Sum Method + Risk Assessment |
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 |
|
แสดงผลกระทบรวมของ 3 เกณฑ์ต่อ aggregate risk |
Weighted Sum Method + Risk Assessment |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|