Investigación sobre el método de generación de decisiones de riesgo para proyectos de conservación del agua basados...

Área de la Ciencia:

• Ingeniería civil
• Ciencias de la computación
• Ciencias del medio ambiente

Sus antecedentes:

• Los gráficos de conocimiento tradicionales para los riesgos de los proyectos de conservación del agua están limitados por las modalidades de datos y la precisión de la extracción de información.
• La gestión eficaz de riesgos en la conservación del agua requiere la integración de diversas fuentes de datos para un análisis exhaustivo.

Objetivo del estudio:

• Proponer un gráfico de conocimiento de riesgos de proyectos multimodales de conservación del agua.
• Desarrollar una estrategia sinérgica utilizando modelos de lenguaje multimodal para la generación de decisiones sobre riesgos.
• Mejorar la precisión y fiabilidad de la evaluación de riesgos en proyectos de conservación del agua.

Principales métodos:

• Desarrolló un gráfico de conocimiento multimodal que integra datos visuales y textuales.
• Modelo mejorado de DenseNet con autoatención y atención coordinada para la clasificación de imágenes.
• Utilizó la arquitectura BERT-BiLSTM-CRF para extraer las entidades de riesgo textuales.
• Implementó un marco de generación aumentada de recuperación de agentes múltiples para la toma de decisiones.

Principales resultados:

• El modelo mejorado de DenseNet mostró una mejor precisión y recuerdo en el reconocimiento de imágenes.
• El gráfico de conocimientos multimodales y el marco de generación obtuvieron un buen rendimiento en las métricas BERTScore y ROUGE-L.
• Se ha demostrado una mayor fiabilidad e interpretabilidad en los resultados de la toma de decisiones sobre riesgos.

Conclusiones:

• El gráfico de conocimiento multimodal y la estrategia de generación propuestos abordan efectivamente las limitaciones de los enfoques tradicionales.
• Este trabajo ofrece una nueva perspectiva para avanzar en la gestión de riesgos en proyectos de conservación del agua a través de la integración de datos multimodales.
• Los resultados apoyan una toma de decisiones de riesgo más precisa y confiable en sistemas complejos de conservación del agua.