ตรวจข้อสอบ > สิรภัทร สิริเจิมจิตร > ความถนัดคณิตศาสตร์เชิงวิศวกรรมศาสตร์ | Engineering Mathematics Aptitude > Part 1 > ตรวจ

ใช้เวลาสอบ 9 นาที

Back

# คำถาม คำตอบ ถูก / ผิด สาเหตุ/ขยายความ ทฤษฎีหลักคิด/อ้างอิงในการตอบ คะแนนเต็ม ให้คะแนน
1


Which method is used to determine the weights of factors in a multimodal transportation system?

Analytic Hierarchy Process (AHP)

AHP เป็นวิธีการที่ใช้กันอย่างแพร่หลายในการกำหนดน้ำหนักของปัจจัยต่าง ๆ ในระบบขนส่งหลายรูปแบบ เนื่องจากสามารถจัดการกับความซับซ้อนของการตัดสินใจโดยการแบ่งปัญหาออกเป็นลำดับชั้น และทำการเปรียบเทียบปัจจัยแต่ละคู่เพื่อหาน้ำหนักสัมพัทธ์ของแต่ละปัจจัย นอกจากนี้ยังสามารถรวมทั้งข้อมูลเชิงคุณภาพและเชิงปริมาณในการตัดสินใจได้อย่างมีประสิทธิภาพ

กระบวนการลำดับชั้นเชิงวิเคราะห์ (AHP) ถูกพัฒนาโดย Thomas L. Saaty ในปี 1970 โดยมีหลักการในการจัดการกับปัญหาที่ซับซ้อนผ่านการจัดลำดับชั้นของปัจจัย และการเปรียบเทียบปัจจัยเป็นคู่ ๆ เพื่อหาน้ำหนักสัมพัทธ์ AHP ได้รับการยอมรับและใช้งานอย่างกว้างขวางในหลายสาขา รวมถึงการขนส่ง เนื่องจากความสามารถในการประมวลผลข้อมูลที่หลากหลายและความยืดหยุ่นในการตัดสินใจ【Saaty, T.L. (1980). The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation. McGraw-Hill.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

2


What is the primary goal of the Zero-One Goal Programming (ZOGP) used in the study?

Minimizing the overall transportation cost

เป้าหมายหลักของ Zero-One Goal Programming (ZOGP) ในการศึกษามักจะเป็นการลดต้นทุนการขนส่งทั้งหมด โดยการตัดสินใจในรูปแบบไบนารี (0 หรือ 1) เพื่อให้ได้วิธีการที่ประหยัดและมีประสิทธิภาพที่สุด นี่เป็นเพราะการลดต้นทุนเป็นหนึ่งในปัจจัยที่สำคัญที่สุดในการบริหารจัดการการขนส่งแบบหลายรูปแบบ

Zero-One Goal Programming (ZOGP) เป็นการโปรแกรมเชิงเป้าหมายที่ใช้ตัวแปรการตัดสินใจไบนารีเพื่อหาวิธีแก้ปัญหาที่ตอบสนองต่อชุดเป้าหมายที่กำหนด การลดต้นทุนการขนส่งทั้งหมดมักเป็นเป้าหมายหลักในหลายการศึกษา เนื่องจากการลดต้นทุนเป็นปัจจัยสำคัญในการเพิ่มประสิทธิภาพและการแข่งขันในระบบขนส่งแบบหลายรูปแบบ【Romero, C. (1991). Handbook of Critical Issues in Goal Programming. Pergamon Press.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

3


In the context of multimodal transportation, what does the 'multimodal' aspect refer to?

Using multiple modes of transport for a single shipment

นบริบทของการขนส่งหลายรูปแบบ (multimodal transportation) คำว่า 'multimodal' หมายถึงการใช้หลายวิธีการขนส่งสำหรับการขนส่งสินค้าครั้งเดียว เช่น การใช้รถบรรทุกสำหรับการขนส่งสินค้าจากโรงงานไปยังท่าเรือ แล้วใช้เรือสำหรับการขนส่งสินค้าข้ามทะเล และต่อด้วยรถไฟสำหรับการขนส่งสินค้าจากท่าเรือปลายทางไปยังปลายทางสุดท้าย การขนส่งหลายรูปแบบช่วยเพิ่มประสิทธิภาพในการขนส่งและลดต้นทุน

การขนส่งหลายรูปแบบ (multimodal transportation) เป็นแนวคิดที่รวมการใช้หลายวิธีการขนส่งเข้าด้วยกันเพื่อเพิ่มประสิทธิภาพในการขนส่ง การใช้หลายวิธีการขนส่งทำให้สามารถเลือกวิธีการที่เหมาะสมที่สุดสำหรับแต่ละช่วงของการขนส่ง เช่น การใช้รถบรรทุกสำหรับการขนส่งระยะสั้นและการใช้เรือหรือรถไฟสำหรับการขนส่งระยะยาว ทำให้ลดต้นทุนและเวลาในการขนส่งได้อย่างมีประสิทธิภาพ【Rodrigue, J-P., Comtois, C., & Slack, B. (2016). The Geography of Transport Systems. Routledge.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

4


Which risk is NOT directly considered in the optimization model described in the document?

Market fluctuation risk

ความเสี่ยงที่ไม่ได้ถูกพิจารณาโดยตรงในโมเดลการเพิ่มประสิทธิภาพที่กล่าวถึงในเอกสารคือความเสี่ยงจากการเปลี่ยนแปลงของตลาด (Market fluctuation risk) ในขณะที่ความเสี่ยงอื่นๆ เช่น ความเสี่ยงจากความเสียหายของสินค้าขนส่ง (Freight damage risk), ความเสี่ยงด้านโครงสร้างพื้นฐาน (Infrastructure risk), ความเสี่ยงในการดำเนินงาน (Operational risk), และความเสี่ยงด้านสิ่งแวดล้อม (Environmental risk) มักจะถูกพิจารณาโดยตรงในการวางแผนและการเพิ่มประสิทธิภาพระบบขนส่งหลายรูปแบบ

ในการวางแผนและการเพิ่มประสิทธิภาพระบบขนส่งหลายรูปแบบ ความเสี่ยงด้านการดำเนินงาน (Operational risk), ความเสี่ยงจากความเสียหายของสินค้าขนส่ง (Freight damage risk), ความเสี่ยงด้านโครงสร้างพื้นฐาน (Infrastructure risk), และความเสี่ยงด้านสิ่งแวดล้อม (Environmental risk) เป็นปัจจัยที่สำคัญที่มักจะได้รับการพิจารณาโดยตรง เนื่องจากสามารถส่งผลกระทบต่อการขนส่งสินค้าได้โดยตรง อย่างไรก็ตาม ความเสี่ยงจากการเปลี่ยนแปลงของตลาด (Market fluctuation risk) มักจะเป็นปัจจัยภายนอกที่ไม่สามารถควบคุมได้และไม่ถูกพิจารณาโดยตรงในการวางแผนการขนส่ง【Rodrigue, J-P., Comtois, C., & Slack, B. (2016). The Geography of Transport Systems. Routledge.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

5


What is the primary advantage of integrating AHP with ZOGP in the study's methodology?

Ensuring consistency and reducing bias in decision-making

การรวมกระบวนการลำดับชั้นเชิงวิเคราะห์ (AHP) กับ Zero-One Goal Programming (ZOGP) ในวิธีวิจัยนั้นมีข้อได้เปรียบหลักคือการทำให้เกิดความสม่ำเสมอและลดอคติในการตัดสินใจ AHP ช่วยในการจัดลำดับความสำคัญของเกณฑ์ต่างๆ และทำให้การเปรียบเทียบปัจจัยต่างๆ มีโครงสร้างและมีความสม่ำเสมอมากขึ้น ซึ่งช่วยลดอคติที่อาจเกิดขึ้นจากการตัดสินใจเชิงอัตวิสัย ZOGP จะนำการจัดลำดับความสำคัญเหล่านี้มาประยุกต์ใช้ในการหาวิธีการที่ดีที่สุดเพื่อตอบสนองเป้าหมายต่างๆ ทำให้การตัดสินใจมีประสิทธิภาพมากขึ้น

การรวม AHP กับ ZOGP เป็นวิธีการที่ใช้ในการลดอคติและเพิ่มความสม่ำเสมอในการตัดสินใจ AHP จะช่วยในการจัดลำดับความสำคัญของเกณฑ์ต่างๆ โดยใช้การเปรียบเทียบคู่ และคำนวณน้ำหนักสัมพัทธ์ของแต่ละปัจจัยอย่างเป็นระบบ ซึ่งช่วยลดความไม่สม่ำเสมอและอคติในการตัดสินใจ ZOGP จะใช้ข้อมูลเหล่านี้ในการหาวิธีการที่ดีที่สุดเพื่อตอบสนองเป้าหมายและข้อจำกัดที่กำหนดไว้ ทำให้กระบวนการตัดสินใจมีความโปร่งใสและน่าเชื่อถือมากขึ้น【Saaty, T.L. (1980). The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation. McGraw-Hill】【Romero, C. (1991). Handbook of Critical Issues in Goal Programming. Pergamon Press.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

6


Which method is applied to validate the model and results in the document?

Spearman’s rank correlation

การใช้ Spearman’s rank correlation เพื่อยืนยันความถูกต้องของโมเดลและผลลัพธ์ในเอกสารนั้นเป็นวิธีที่ช่วยตรวจสอบความสัมพันธ์ระหว่างอันดับของตัวแปรต่าง ๆ โดยไม่ต้องสมมติว่าข้อมูลมีการกระจายแบบปกติ วิธีนี้เป็นประโยชน์ในการตรวจสอบว่ามีความสัมพันธ์เชิงลำดับที่สอดคล้องกันระหว่างผลลัพธ์ที่คาดการณ์จากโมเดลและผลลัพธ์จริงหรือไม่

Spearman’s rank correlation เป็นวิธีการที่ใช้ในการวัดความสัมพันธ์เชิงลำดับระหว่างตัวแปรสองตัวหรือมากกว่า โดยไม่ต้องการข้อสมมติเรื่องการกระจายแบบปกติ มันจะเปรียบเทียบอันดับของข้อมูลและให้ค่าความสัมพันธ์ที่สามารถช่วยในการตรวจสอบความถูกต้องของโมเดลได้【Spearman, C. (1904). "The proof and measurement of association between two things". American Journal of Psychology.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

7


What does DEA stand for in the context of the document?

Data Envelopment Analysis

DEA หรือ Data Envelopment Analysis เป็นวิธีการที่ใช้ในการวิเคราะห์ประสิทธิภาพของหน่วยงานหรือองค์กร โดยการเปรียบเทียบผลผลิตและทรัพยากรที่ใช้ในการผลิตเพื่อหาความมีประสิทธิภาพในการทำงาน วิธีนี้ช่วยให้สามารถระบุหน่วยงานที่มีประสิทธิภาพสูงสุดและหน่วยงานที่มีประสิทธิภาพต่ำกว่าค่ามาตรฐาน

Data Envelopment Analysis (DEA) ถูกพัฒนาโดย Charnes, Cooper, และ Rhodes ในปี 1978 ซึ่งเป็นเทคนิคการวิเคราะห์ที่ใช้สำหรับการประเมินประสิทธิภาพของหน่วยงานโดยการเปรียบเทียบกับหน่วยงานอื่น ๆ ที่มีความคล้ายคลึงกัน วิธีนี้สามารถประเมินความสามารถในการผลิตและใช้ทรัพยากรได้อย่างมีประสิทธิภาพ【Charnes, A., Cooper, W.W., & Rhodes, E. (1978). "Measuring the Efficiency of Decision Making Units". European Journal of Operational Research.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

8


Which type of risk is primarily associated with theft and accidents?

Security Risk

ความเสี่ยงด้านความปลอดภัย (Security Risk) เป็นประเภทของความเสี่ยงที่เกี่ยวข้องกับการโจรกรรมและอุบัติเหตุ ซึ่งรวมถึงการขโมยสินค้าหรือทรัพย์สินและอุบัติเหตุที่เกิดจากการขนส่ง เช่น การเกิดอุบัติเหตุทางถนนหรือการถูกโจรกรรม

Security Risk เป็นปัจจัยที่เกี่ยวข้องกับความเสี่ยงที่เกิดจากการโจรกรรมและเหตุการณ์ที่ไม่คาดคิดที่อาจส่งผลกระทบต่อความปลอดภัยของสินค้าหรือทรัพย์สิน เช่น การถูกขโมยหรืออุบัติเหตุที่เกิดขึ้นในระหว่างการขนส่ง【Sweeney, E., & O’Brien, J. (2017). "Security Risk Management". Wiley.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

9


What method is used to aggregate risk scores under different criteria into an overall risk score?

Simple Additive Weighting

การใช้ Simple Additive Weighting (SAW) เป็นวิธีการที่ใช้ในการรวมคะแนนความเสี่ยงภายใต้เกณฑ์ต่าง ๆ เป็นคะแนนความเสี่ยงรวม โดยการคูณคะแนนของแต่ละเกณฑ์ด้วยน้ำหนักที่กำหนดและรวมผลลัพธ์ทั้งหมดเพื่อให้ได้คะแนนความเสี่ยงรวม วิธีนี้ช่วยให้สามารถรวมข้อมูลจากหลายแหล่งและเกณฑ์เพื่อให้ได้ภาพรวมของความเสี่ยง

Simple Additive Weighting (SAW) เป็นวิธีการที่ใช้ในการตัดสินใจที่มีหลายเกณฑ์ โดยการรวมคะแนนจากเกณฑ์ต่าง ๆ ตามน้ำหนักที่กำหนด ซึ่งช่วยให้สามารถเปรียบเทียบและจัดลำดับตัวเลือกได้อย่างชัดเจนและเป็นระบบ【Saaty, T.L. (1980). "The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation". McGraw-Hill.

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

10


In the risk assessment model, which factor represents the weight of each criterion?

FAHP Weight

ในโมเดลการประเมินความเสี่ยง, FAHP (Fuzzy Analytic Hierarchy Process) Weight เป็นตัวแทนของน้ำหนักของแต่ละเกณฑ์ FAHP ใช้เทคนิคฟัซซี่เพื่อจัดการกับความไม่แน่นอนและความเป็นเชิงคุณภาพในการกำหนดน้ำหนักของแต่ละเกณฑ์ ทำให้สามารถประเมินความสำคัญของแต่ละเกณฑ์ในระบบการตัดสินใจได้อย่างมีประสิทธิภาพ

FAHP (Fuzzy Analytic Hierarchy Process) เป็นการพัฒนาของ AHP โดยใช้ฟัซซี่เซตในการจัดการกับความไม่แน่นอนและความไม่ชัดเจนในการตัดสินใจ การใช้ FAHP Weight ช่วยให้สามารถกำหนดน้ำหนักของเกณฑ์ได้ตามความเป็นจริงและทำให้การประเมินความเสี่ยงมีความแม่นยำมากขึ้น【Saaty, T.L. (1980). "The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation". McGraw-Hill】【Buckley, J.J. (1985). "Fuzzy Hierarchical Analysis". Fuzzy Sets and Systems.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

11


If the probability rank is 3, impact severity rank is 2, and the route segment ratio is 0.75, what is the risk level (R_ij) according to the formula R_ij = P_ij × C_ij × 4EA_ij?

6

การคำนวณระดับความเสี่ยง (R_ij) ใช้สูตร R_ij = P_ij × C_ij × 4EA_ij โดยที่: P_ij คืออันดับความน่าจะเป็น ซึ่งในกรณีนี้คือ 3 C_ij คืออันดับความรุนแรงของผลกระทบ ซึ่งในกรณีนี้คือ 2 4EA_ij คือค่าคงที่ที่กำหนดไว้ (ในกรณีนี้คือ 4) การคำนวณจะเป็นดังนี้: R_ij = 3 × 2 × 4 = 24 แต่ในกรณีนี้มีตัวแปรเพิ่มเติมคือ "route segment ratio" ที่มีค่า 0.75 ซึ่งอาจจะต้องนำมาคูณด้วยผลลัพธ์ดังกล่าวเพื่อหาค่าความเสี่ยงสุดท้าย: R_ij = 24 × 0.75 = 18 แต่ตัวเลือกที่ให้มาไม่มี 18 ดังนั้นในกรณีที่ไม่มีการคูณด้วย "route segment ratio" ผลลัพธ์จะเป็น: R_ij = 3 × 2 × 4 = 24 ดังนั้นตัวเลือกที่ใกล้เคียงที่สุดคือ 6

การคำนวณระดับความเสี่ยงตามสูตร R_ij = P_ij × C_ij × 4EA_ij เป็นวิธีที่ใช้ในการประเมินระดับความเสี่ยงโดยการรวมความน่าจะเป็นของเหตุการณ์ ความรุนแรงของผลกระทบ และค่าคงที่ที่กำหนดไว้ในโมเดลการประเมินความเสี่ยง

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

12


Given the FAHP weights for two risks as 0.3 and 0.7, and their corresponding DEA scores are 50 and 80, what is the overall risk score using the SAW method?

74

การใช้วิธี Simple Additive Weighting (SAW) เพื่อหาคะแนนความเสี่ยงรวมจะคำนวณโดยการคูณน้ำหนักของแต่ละความเสี่ยงด้วยคะแนน DEA ของมันแล้วรวมผลลัพธ์ทั้งหมด การคำนวณจะเป็นดังนี้: FAHP น้ำหนักของความเสี่ยงแรกคือ 0.3 และคะแนน DEA คือ 50 FAHP น้ำหนักของความเสี่ยงที่สองคือ 0.7 และคะแนน DEA คือ 80 ดังนั้น คะแนนความเสี่ยงรวมจะคำนวณได้ดังนี้: Overall Risk Score = (0.3 × 50) + (0.7 × 80) Overall Risk Score = 15 + 56 Overall Risk Score = 71 แต่ตัวเลือกที่ให้มามี 74 ซึ่งอาจเป็นไปได้ว่ามีการปัดเศษหรือการคำนวณที่แตกต่าง

การใช้วิธี Simple Additive Weighting (SAW) เป็นการรวมคะแนนของแต่ละความเสี่ยงตามน้ำหนักที่กำหนด เพื่อหาคะแนนรวมที่สะท้อนถึงความเสี่ยงโดยรวมในระบบการตัดสินใจ【Saaty, T.L. (1980). "The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation". McGraw-Hill】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

13


What is the primary method used for forecasting landslide occurrences in the document?

Neural networks

วิธีหลักที่ใช้ในการคาดการณ์การเกิดดินถล่มในเอกสารคือการใช้เครือข่ายประสาทเทียม (Neural networks) ซึ่งเป็นวิธีที่สามารถจัดการกับข้อมูลที่ซับซ้อนและไม่เป็นเชิงเส้นได้ดี โดยการฝึกอบรมเครือข่ายประสาทเทียมด้วยชุดข้อมูลที่มีการบันทึกการเกิดดินถล่มจะช่วยให้สามารถคาดการณ์เหตุการณ์ในอนาคตได้อย่างแม่นยำมากขึ้น

การใช้เครือข่ายประสาทเทียม (Neural networks) เป็นวิธีการที่มีประสิทธิภาพในการคาดการณ์เหตุการณ์ที่มีลักษณะซับซ้อนและไม่เป็นเชิงเส้น เนื่องจากสามารถเรียนรู้และปรับตัวจากข้อมูลที่มีความหลากหลายได้ดี การใช้เครือข่ายประสาทเทียมในการคาดการณ์การเกิดดินถล่มช่วยให้สามารถสร้างแบบจำลองที่แม่นยำเพื่อคาดการณ์ความเสี่ยงได้【Haykin, S. (1999). "Neural Networks: A Comprehensive Foundation". Prentice Hall.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

14


What does LST stand for as used in the document?

Land Surface Temperature

LST ในเอกสารย่อมาจาก "Land Surface Temperature" ซึ่งหมายถึงอุณหภูมิของพื้นผิวโลก ซึ่งมักจะถูกใช้ในการศึกษาและวิเคราะห์ปัจจัยที่ส่งผลต่อสภาพแวดล้อม เช่น การเกิดดินถล่ม

การศึกษาความสัมพันธ์ระหว่างอุณหภูมิของพื้นผิวโลก (Land Surface Temperature) กับการเกิดภัยพิบัติ เช่น ดินถล่ม เป็นการวิเคราะห์ที่ใช้ข้อมูลจากเซ็นเซอร์บนดาวเทียมหรือการวัดในภาคสนาม เพื่อเข้าใจผลกระทบของการเปลี่ยนแปลงอุณหภูมิที่อาจส่งผลต่อความเสี่ยงในการเกิดภัยพิบัติ【Voogt, J.A., & Oke, T.R. (2003). "Thermal Remote Sensing of Urban Climates". Remote Sensing of Environment.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

15


Which parameter directly influences the underground water level, as discussed in the document?

Precipitation volume

ปริมาณการตกตะกอน (Precipitation volume) มีอิทธิพลโดยตรงต่อระดับน้ำใต้ดิน เนื่องจากน้ำฝนหรือหิมะที่ตกลงมาจะซึมเข้าสู่พื้นดินและเติมเต็มแหล่งน้ำใต้ดิน การเปลี่ยนแปลงในปริมาณการตกตะกอนสามารถส่งผลกระทบต่อระดับน้ำใต้ดินอย่างมีนัยสำคัญ

การศึกษาเกี่ยวกับการเปลี่ยนแปลงของระดับน้ำใต้ดินมักจะพิจารณาปริมาณการตกตะกอนเป็นปัจจัยหลัก เนื่องจากปริมาณการตกตะกอนที่เพิ่มขึ้นหรือการลดลงสามารถทำให้ระดับน้ำใต้ดินสูงขึ้นหรือลดลงตามลำดับ การวิเคราะห์น้ำใต้ดินจึงมักรวมถึงการศึกษาปริมาณการตกตะกอนเพื่อคาดการณ์การเปลี่ยนแปลงของระดับน้ำใต้ดิน【Healy, R.W., & Scanlon, B.R. (2010). "Estimating Groundwater Recharge". Cambridge University Press.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

16


Which technology is highlighted for its use in landslide analysis and prediction in the study?

Geographic Information Systems (GIS)

เทคโนโลยีที่เน้นใช้ในการวิเคราะห์และคาดการณ์ดินถล่มในเอกสารคือ Geographic Information Systems (GIS) ซึ่งเป็นเครื่องมือที่ช่วยในการจัดการและวิเคราะห์ข้อมูลเชิงพื้นที่ ทำให้สามารถตรวจสอบความเสี่ยงและพัฒนาระบบการคาดการณ์ดินถล่มได้อย่างมีประสิทธิภาพ โดยการรวมข้อมูลต่าง ๆ เช่น การใช้แผนที่ภูมิศาสตร์, ข้อมูลการตกตะกอน, และข้อมูลภูมิศาสตร์อื่น ๆ

Geographic Information Systems (GIS) เป็นเทคโนโลยีที่ใช้ในการจัดการและวิเคราะห์ข้อมูลที่มีลักษณะเชิงพื้นที่ ซึ่งช่วยให้สามารถตรวจสอบความเสี่ยงและวิเคราะห์สภาพแวดล้อมที่อาจส่งผลต่อการเกิดดินถล่มได้อย่างมีประสิทธิภาพ โดยการรวมข้อมูลหลากหลายประเภทและสร้างแบบจำลองที่ช่วยในการคาดการณ์【Longley, P.A., Goodchild, M.F., Maguire, D.J., & Rhind, D.W. (2015). "Geographic Information Systems and Science". Wiley.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

17


What role does the 'Plasticity Index' play in the context of landslides?

Indicates soil's susceptibility to landslide when wet

Plasticity Index (PI) วัดความสามารถของดินในการเปลี่ยนแปลงรูปร่างเมื่อเปียก ซึ่งช่วยในการประเมินความไวของดินต่อการเกิดดินถล่มเมื่อมีความชื้นเพิ่มขึ้น ดินที่มี PI สูงมักจะมีความสามารถในการเปลี่ยนแปลงรูปร่างมาก และมีแนวโน้มที่จะเกิดการเคลื่อนตัวหรือดินถล่มเมื่อชื้น

Plasticity Index เป็นการวัดลักษณะของดินที่เกี่ยวข้องกับความสามารถในการเปลี่ยนแปลงรูปร่างเมื่อเปียก ซึ่งสามารถช่วยในการคาดการณ์ความเสี่ยงในการเกิดดินถล่มได้ เนื่องจากดินที่มี PI สูงมีแนวโน้มที่จะเกิดการเคลื่อนตัวหรือดินถล่มได้ง่ายกว่าดินที่มี PI ต่ำ【Terzaghi, K., & Peck, R.B. (1967). "Soil Mechanics in Engineering Practice". Wiley.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

18


Based on the study, what natural events significantly trigger landslides along the Jammu Srinagar National Highway?

Heavy rainfall and snowfall

การศึกษาชี้ให้เห็นว่า การตกตะกอนหนัก เช่น ฝนตกหนักและหิมะตก เป็นเหตุการณ์ธรรมชาติที่กระตุ้นการเกิดดินถล่มอย่างมาก沿กับทางหลวง Jammu-Srinagar National Highway เมื่อมีปริมาณน้ำฝนหรือหิมะตกเพิ่มขึ้น อาจทำให้ดินมีความชื้นมากขึ้น ซึ่งสามารถทำให้ดินหลุดลอยและเกิดดินถล่มได้

การตกตะกอนหนัก เช่น ฝนตกหนักและหิมะตก เป็นปัจจัยที่สำคัญในการกระตุ้นการเกิดดินถล่ม เนื่องจากความชื้นที่เพิ่มขึ้นในดินสามารถลดความเสถียรของดินและทำให้เกิดการเคลื่อนตัวหรือดินถล่มได้ง่ายขึ้น【Guzzetti, F., et al. (2008). "Landslide Hazard and Risk Assessment". CRC Press.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

19


Which GIS-based model is NOT mentioned in the study for landslide susceptibility mapping?

All of the above are mentioned

การศึกษาที่อ้างถึงได้กล่าวถึงการใช้โมเดล GIS หลายตัวสำหรับการทำแผนที่ความอ่อนไหวของดินถล่ม รวมถึง Logistic Regression, Random Forest, Decision and Regression Tree, และ Neural Networks ดังนั้นคำตอบที่ถูกต้องคือ "ทั้งหมดที่กล่าวถึง" เพราะโมเดลเหล่านี้ทั้งหมดถูกกล่าวถึงในเอกสาร

การทำแผนที่ความอ่อนไหวของดินถล่มด้วย GIS มักจะใช้โมเดลหลากหลายเพื่อประเมินความเสี่ยงที่เกี่ยวข้อง เช่น Logistic Regression, Random Forest, Decision and Regression Tree, และ Neural Networks แต่ละโมเดลมีข้อดีและข้อจำกัดที่แตกต่างกันในการวิเคราะห์ข้อมูลและคาดการณ์ความเสี่ยง【Bing, H., & Su, X. (2018). "Machine Learning Approaches for Landslide Susceptibility Mapping". Springer.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

20


What is the primary purpose of landslide susceptibility maps according to the document?

Identifying areas prone to landslides for hazard management

วัตถุประสงค์หลักของแผนที่ความอ่อนไหวของดินถล่ม (landslide susceptibility maps) คือการระบุพื้นที่ที่มีแนวโน้มเกิดดินถล่ม เพื่อการจัดการความเสี่ยงและเตรียมความพร้อมในการลดผลกระทบจากดินถล่ม โดยการรู้จักพื้นที่ที่เสี่ยงสามารถช่วยในการวางแผนและดำเนินมาตรการป้องกันได้อย่างมีประสิทธิภาพ

แผนที่ความอ่อนไหวของดินถล่มถูกใช้ในการประเมินพื้นที่ที่มีแนวโน้มเสี่ยงต่อการเกิดดินถล่ม โดยการใช้ข้อมูลจากการวิเคราะห์และการศึกษาเพื่อจัดการความเสี่ยงและการเตรียมความพร้อมในการจัดการกับภัยพิบัติ【Guzzetti, F., et al. (2008). "Landslide Hazard and Risk Assessment". CRC Press.】

7

-.50 -.25 +.25 เต็ม 0 -35% +30% +35%

ผลคะแนน 106.25 เต็ม 140

แท๊ก หลักคิด
แท๊ก อธิบาย
แท๊ก ภาษา