.png){kind=icon}
返回
Enhancing Site Selection Decision-Making Using Bayesian Networks and Open Data
.png){kind=icon}
OA
AI
DOI：10.3390/math13243943.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
识别关键因素并分析其因果关系显著提升选址决策的有效性。尽管已有众多研究将多准则决策方法（MCDM）应用于选址问题，但这些传统方法往往忽视或未能充分体现因素间的因果相互依赖关系。本研究通过利用开放数据以提高透明度，并采用贝叶斯网络（BN）作为稳健的概率建模替代方案，以解决这些局限性。贝叶斯网络能够有效表示复杂的因素相互作用，捕捉因果关系和不确定性。实验评估表明，所提出的框架能够通过明确考虑层级依赖关系，有效计算最终选址适宜性概率，提供更优的决策支持。
Keyword:
belief network
site selection
probabilistic graphical model
open data
期刊
IF:
2.2
论文数:
3.1K
被引数:
3.6W
机构
引用论文
A novel spherical fuzzy analytic hierarchy process and its renewable energy application.png)
SOFT COMPUTING
SOFT COMPUTINGIF2.5
PREAI
分享收藏分享收藏AHP and TOPSIS based flood risk assessment- a case study of the Navsari City, Gujarat, India基于AHP和TOPSIS的洪水风险评估-以印度古吉拉特邦纳萨里市为例
PREAI
分享收藏Single-valued neutrosophic similarity measure-based additive ratio assessment framework for optimal site selection of electric vehicle charging station基于单值中性相似性测度的电动汽车充电站最优选址附加比评估框架
OAAI
OAAI分享收藏
查看更多内容