TY -的A2 -都灵,胭脂盟——Al-Dogom日报盟——Al-Ruzouq Rami盟——Kalantar Bahareh盟,Schuckman凯伦AU - Al-Mansoori,赛义德盟,慕克吉Sunanda AU -艾哈迈德,侯赛因盟——建筑师Naonori PY - 2021 DA - 2021/09/26 TI -地理空间多准则分析地震风险评估:案例研究的城市在阿联酋富查伊拉SP - 6638316六世- 2021 AB -清楚地了解地震活动的空间分布促进地震的预测和脆弱性研究中社会、物理、环境和人口方面。一般来说,很少有研究地震风险评估在阿拉伯联合酋长国(UAE)在地理信息系统(GIS)平台。前研究和最近的新闻事件表明,该国东部经历3 - 5级的震动,特别是富查伊拉附近城市和周边城镇。本研究建立在先前的研究中提取的地震灾害阿联酋最东部的灾害频发区。因此,本研究发展一个综合层次分析法(AHP)和机器学习(ML)对风险考虑八个地理空间映射parameters-distance从海岸线,学校、医院、公路、住宅、溪流、限制区域和限制区域的斜率。专家的意见和文学评论是AHP排名和权重的基础系统。验证AHP系统,支持向量机(SVM),决策树(DT), (RF)和随机森林分类器应用于数据集。数据集被分为60:40比训练和测试。结果表明,支持向量机的准确性最高79.6% DT和射频“预测高”从模型精度达到87.5%。风险地图AHP和ML的方法开发和比较。 Risk analysis was categorised into 5 classes “very high,” “high,” “moderate,” “low,” and “very low.” Both approaches modelled relatable spatial patterns as risk-prone zones. AHP approach concluded 3.6% as “very high” risk zone, whereas only 0.3% of total area was identified from ML. The total area for the “very high” (20 km²)和“高”(114公里²)风险从ML估计方法。SN - 1687 - 725 - 2021/6638316 / 10.1155 x你——https://doi.org/10.1155/2021/6638316——摩根富林明——《传感器PB - Hindawi KW - ER