DOI: https://doi.org/10.3389/frai.2026.1817216
PMID: https://pubmed.ncbi.nlm.nih.gov/42147038
تاريخ النشر: 2026-05-01
المؤلف: Ajeesh Puthusserry Paulose وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تقدم ورقة البحث نموذجًا هجينًا لصنع القرار متعدد المعايير (MCDM) يهدف إلى تقييم مخاطر الفيضانات في منطقة إيرناكولام في كيرالا، مع معالجة الحاجة الملحة لأطر دعم القرار الفعالة في المناطق المعرضة لتغير المناخ. يستخدم النموذج أرقام فuzzy مثلثية ثنائية القطب (LRBTFNs) لإدارة عدم اليقين ويجمع بين ثلاث تقنيات MCDM المعروفة—مؤشر اختيار التفضيل (PSI)، الوزن الإضافي البسيط (SAW)، والتقييم القائم على المسافة التراكمية (CODAS)—لتصنيف المناطق المعرضة للفيضانات بشكل شامل. تشمل المنهجية عمليات التطبيع والتجميع وإزالة الضبابية، إلى جانب تقنيات التعلم غير المراقب مثل تجميع K-means وتحليل المكونات الرئيسية (PCA) للتحقق من أنماط الضعف.
تشير النتائج إلى أن كوتشي، وفايبين، وبارافور هي المناطق الأكثر عرضة للخطر، بينما كوتامانغلام هي الأقل عرضة. يعزز النهج الهجين موثوقية التصنيفات، مما يتماشى بشكل وثيق مع الأحداث الفيضانية الفعلية والسجلات الرسمية للكوارث، ويعالج بشكل فعال عدم اليقين في التقييمات. تدعم أدوات التصور وطرق التجميع المزيد من تأكيد اتساق اتجاهات الضعف. تدعم الدراسة الهدف 13 من أهداف التنمية المستدامة (العمل المناخي) من خلال تقديم رؤى قابلة للتنفيذ لصانعي السياسات والسلطات المحلية لتنفيذ استراتيجيات مستهدفة للتخفيف من مخاطر الفيضانات. تشمل اتجاهات البحث المستقبلية دمج بيانات نظم المعلومات الجغرافية، واستكشاف نماذج هجينة للقدرات التنبؤية، ودمج طرق MCDM إضافية لفهم أفضل للاعتماد المتبادل بين المعايير.
مقدمة
تمثل الفيضانات واحدة من أكثر الكوارث الطبيعية تكرارًا وتدميرًا في جميع أنحاء العالم، والتي تفاقمت بشكل أساسي بسبب عوامل مثل تغير المناخ، والتحضر، وإزالة الغابات. أدت شدة أحداث الفيضانات المتزايدة، لا سيما في آسيا، إلى خسائر بشرية واقتصادية كبيرة، حيث تأثرت الهند بشكل ملحوظ. تعتبر ولاية كيرالا، التي تتميز بجغرافيتها وظروفها المناخية الفريدة، معرضة بشكل خاص لأشكال مختلفة من الفيضانات، بما في ذلك الفيضانات النهرية والحضرية. أكدت أحداث الفيضانات الكبرى الأخيرة الحاجة الملحة إلى استراتيجيات فعالة لتقييم وإدارة مخاطر الفيضانات.
لمعالجة هذه التحديات، تقترح الدراسة إطار عمل هجين لصنع القرار متعدد المعايير (MCDM) يستخدم نهج رقم fuzzy مثلثي ثنائي القطب (LRBTFN) لتحديد وتصنيف المناطق المعرضة للفيضانات في منطقة إيرناكولام في كيرالا. يقيم هذا الإطار 14 منطقة معرضة للفيضانات بناءً على 10 معايير حاسمة، بما في ذلك الارتفاع، وسجلات الفيضانات التاريخية، واستخدام الأراضي. يعد دمج المنطق الضبابي وتقنيات MCDM مفيدًا بشكل خاص لإدارة عدم اليقين الكامن في تقييم مخاطر الفيضانات، مما يسهل اتخاذ قرارات أكثر استنارة في جهود التخفيف من الفيضانات. ستراجع القسم التالي الأدبيات الموجودة حول منهجيات تقييم مخاطر الفيضانات المعتمدة على MCDM.
طرق
في هذا القسم، يقدم المؤلفون نموذجًا هجينًا لصنع القرار يدمج نهج المنطق الضبابي مثلثي القطب مع طرق PSI-SAW وCODAS. يهدف النموذج، الذي يُشار إليه باسم نموذج PSI-SAW-CODAS الهجين LR-bipolar triangular fuzzy، إلى تعزيز عمليات صنع القرار من خلال التعامل بشكل فعال مع عدم اليقين وعدم الدقة الكامنة في البيانات. تركز المنهجية على الإطار الخوارزمي الذي يدعم هذا النموذج الهجين، موضحة كيف يجمع بين نقاط القوة في المنطق الضبابي وتقنيات تحليل القرار متعدد المعايير لتسهيل التقييمات القوية في السيناريوهات المعقدة.
تم تصميم النموذج المقترح لمعالجة قيود أساليب صنع القرار التقليدية من خلال دمج المجموعات الضبابية، مما يسمح بتمثيل أكثر دقة للتفضيلات والمعايير. من المتوقع أن يؤدي هذا النهج المبتكر إلى نتائج أكثر دقة وموثوقية في مهام صنع القرار، لا سيما في السياقات التي تكون فيها البيانات غامضة أو غير مكتملة.
نتائج
يقدم البحث نموذج PSI-SAW-CODAS الهجين المطبق ضمن إطار شبكة دالة الاعتقاد العلائقية اللغوية (LR-BTFN) لتقييم تعرض الفيضانات في منطقة إيرناكولام في كيرالا. قام النموذج بتقييم 14 بديلًا جغرافيًا مقابل 10 معايير حاسمة، بما في ذلك الارتفاع، وبيانات الفيضانات التاريخية، والتحضر، باستخدام أحكام لغوية من أربعة خبراء في المجال. كشفت التحليلات أن كوتشي هي المنطقة الأكثر عرضة للفيضانات، تليها فايبين، بارافور، وإيرناكولام، بينما تم تحديد كوتامانغلام كأقل المناطق عرضة للخطر. تعكس التصنيفات تأثير كل من العوامل الطبيعية والبشرية، مثل الارتفاع المنخفض والكثافة الحضرية، التي تفاقم مخاطر الفيضانات.
تم تأكيد النتائج من خلال أحداث الفيضانات التاريخية، لا سيما الفيضانات الكبيرة في 2018، 2019، و2023، حيث شهدت المناطق الأكثر عرضة للخطر، بما في ذلك كوتشي، فايبين، وبارافور، غمرًا شديدًا. تتماشى خصائص هذه المناطق، مثل التضاريس المنخفضة والقرب من المسطحات المائية، مع توقعات النموذج، مما يثبت فعالية النموذج. على العكس من ذلك، تظهر المناطق مثل كوتامانغلام وموفاتوبوزها، التي احتلت مرتبة أقل في تعرض الفيضانات بسبب ارتفاعها الأفضل وأنظمة الصرف الجيدة، قدرة النموذج على تحديد مناطق مخاطر الفيضانات بدقة. بشكل عام، تؤكد الدراسة قوة وقابلية تطبيق إطار PSI-SAW-CODAS في تقييم مخاطر الفيضانات.
مناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على الدور الحاسم لتقييم مخاطر الفيضانات (FRA) في التخطيط الحضري وسط زيادة عدم اليقين المناخي. يستعرض تطبيق تقنيات صنع القرار متعدد المعايير (MCDM)، لا سيما عملية التحليل الهرمي التحليلي (AHP) ونموذجها الضبابي (FAHP)، في تقييم تعرض الفيضانات عبر مناطق مختلفة. تشير الأدبيات إلى اتجاه متزايد نحو دمج AHP مع نظم المعلومات الجغرافية (GIS) وطرق التعلم الآلي لتعزيز دقة وموثوقية رسم خرائط تعرض الفيضانات. أظهرت دراسات بارزة فعالية هذه الأساليب الهجينة، كاشفة أنه بينما يُستخدم AHP على نطاق واسع لاشتقاق أوزان المعايير بشكل منهجي، فإنه يواجه تحديات تتعلق بعدم اتساق آراء الخبراء. أدى ذلك إلى استكشاف FAHP ونماذج هجينة أخرى تجمع بين الحكم الخبيري النوعي وتقنيات البيانات الكمية.
على الرغم من التقدم، لا تزال هناك فجوات بحثية كبيرة، مثل الاعتماد على أطر العمل ذات الطريقة الواحدة التي قد تفتقر إلى القوة والتمثيل المحدود لعدم اليقين في النماذج الضبابية الحالية. تهدف الدراسة المقترحة إلى معالجة هذه الفجوات من خلال تقديم إطار عمل جديد لصنع القرار يجمع بين مؤشر اختيار التفضيل (PSI)، الوزن الإضافي البسيط (SAW)، وطريقة CODAS ضمن سياق رقم مثلثي ثنائي القطب (LRBTFN). تم تصميم هذا الإطار لتعزيز تمثيل كل من عدم اليقين الإيجابي والسلبي، مما يحسن من قوة وواقعية تقييمات مخاطر الفيضانات. يبرز تركيز الدراسة على منطقة إيرناكولام في كيرالا، وهي منطقة معرضة بشدة للفيضانات، الحاجة الملحة لاستراتيجيات مدفوعة بالبيانات تتماشى مع أهداف الإدارة الحضرية المستدامة، مما يساهم في مرونة الكوارث والتخطيط التكيفي في المجتمعات المعرضة للخطر.
القيود
تتعدد قيود هذه الدراسة. أولاً، يعتمد الإطار على تقييمات لغوية من مجموعة محدودة من الخبراء في المجال، مما يقدم درجة من الذاتية على الرغم من استخدام النمذجة الضبابية للتخفيف من عدم اليقين. ثانيًا، بينما يتم التحقق من فعالية النهج المقترح باستخدام بيانات من منطقة إيرناكولام، قد تتطلب قابليته للتطبيق في مناطق جغرافية أخرى تعديلات على المعايير والمدخلات المستخدمة.
بالإضافة إلى ذلك، تستند التحليلات إلى مجموعات بيانات ثابتة، مما يفشل في دمج الديناميات الزمنية أو العوامل الزمنية الحقيقية مثل تقدم الفيضانات وتغير المناخ. أخيرًا، يحد نقص مجموعات البيانات الموسومة على نطاق واسع لمنطقة الدراسة من الاستخدام المحتمل لنماذج التعلم الآلي الخاضعة للإشراف، مما يحد من قابلية تطبيق النتائج بشكل أوسع.
DOI: https://doi.org/10.3389/frai.2026.1817216
PMID: https://pubmed.ncbi.nlm.nih.gov/42147038
Publication Date: 2026-05-01
Author(s): Ajeesh Puthusserry Paulose et al.
Primary Topic: Multi-Criteria Decision Making
Overview
The research paper presents a hybrid multicriteria decision-making (MCDM) model aimed at assessing flood risk in the Ernakulam district of Kerala, addressing the urgent need for effective decision-support frameworks in climate-vulnerable regions. The model utilizes LR-bipolar triangular fuzzy numbers (LRBTFNs) to manage uncertainty and integrates three established MCDM techniques—Preference Selection Index (PSI), Simple Additive Weighting (SAW), and Combinative Distance-based Assessment (CODAS)—to rank flood-prone areas comprehensively. The methodology includes normalization, aggregation, and defuzzification processes, alongside unsupervised learning techniques like K-means clustering and Principal Component Analysis (PCA) to validate vulnerability patterns.
The findings indicate that Kochi, Vypen, and Paravoor are the most vulnerable zones, while Kothamangalam is the least susceptible. The hybrid approach enhances the reliability of rankings, aligning closely with actual flood events and official disaster records, and effectively addresses uncertainty in assessments. Visualization tools and clustering methods further corroborate the consistency of vulnerability trends. The study supports Sustainable Development Goal 13 (Climate Action) by providing actionable insights for policymakers and local authorities to implement targeted flood risk mitigation strategies. Future research directions include incorporating GIS data, exploring hybrid models for predictive capabilities, and integrating additional MCDM methods to better understand interdependencies among criteria.
Introduction
Floods represent one of the most frequent and destructive natural disasters worldwide, primarily exacerbated by factors such as climate change, urbanization, and deforestation. The increasing severity of flooding events, particularly in Asia, has led to significant human and economic losses, with India being notably affected. The state of Kerala, characterized by its unique geography and climatic conditions, is particularly vulnerable to various forms of flooding, including riverine and urban floods. Recent major flood events have underscored the urgent need for effective flood risk assessment and management strategies.
To address these challenges, the study proposes a hybrid multi-criteria decision-making (MCDM) framework that utilizes the LR-bipolar triangular fuzzy number (LRBTFN) approach to identify and rank flood-susceptible zones in the Ernakulam district of Kerala. This framework evaluates 14 flood-prone areas based on 10 critical criteria, including altitude, historical flood records, and land use. The integration of fuzzy logic and MCDM techniques is particularly advantageous for managing the inherent uncertainties in flood risk assessment, thereby facilitating more informed decision-making in flood mitigation efforts. The following section will review existing literature on MCDM-based flood risk assessment methodologies.
Methods
In this section, the authors present a hybrid decision-making model that integrates a bipolar triangular fuzzy logic approach with the PSI-SAW and CODAS methods. The model, referred to as the hybrid LR-bipolar triangular fuzzy PSI-SAW-CODAS model, aims to enhance decision-making processes by effectively handling uncertainty and imprecision inherent in data. The methodology emphasizes the algorithmic framework that underpins this hybrid model, detailing how it combines the strengths of fuzzy logic and multi-criteria decision analysis techniques to facilitate robust evaluations in complex scenarios.
The proposed model is designed to address the limitations of traditional decision-making approaches by incorporating fuzzy sets, which allow for a more nuanced representation of preferences and criteria. This innovative approach is expected to yield more accurate and reliable outcomes in decision-making tasks, particularly in contexts where data is ambiguous or incomplete.
Results
The research presents a hybrid PSI-SAW-CODAS model applied within a Linguistic Relational Belief Function Network (LR-BTFN) framework to assess flood susceptibility in the Ernakulam district of Kerala. The model evaluated 14 geographical alternatives against 10 critical criteria, including altitude, historical flood data, and urbanization, utilizing linguistic judgments from four domain experts. The analysis revealed that Kochi is the most flood-prone area, followed by Vypen, Paravoor, and Ernakulam, while Kothamangalam was identified as the least vulnerable region. The ranking reflects the influence of both natural and anthropogenic factors, such as low elevation and dense urbanization, which exacerbate flood risks.
The findings were corroborated by historical flood events, particularly the significant floods of 2018, 2019, and 2023, where the most vulnerable areas, including Kochi, Vypen, and Paravoor, experienced severe inundation. These regions’ characteristics, such as low-lying terrain and proximity to water bodies, align with the model’s predictions, thereby validating the model’s effectiveness. Conversely, areas like Kothamangalam and Muvattupuzha, which ranked lower in flood susceptibility due to higher elevation and better drainage, further demonstrate the model’s capability to accurately identify flood risk zones. Overall, the study confirms the robustness and practical applicability of the PSI-SAW-CODAS framework in flood risk assessment.
Discussion
The discussion section of the research paper highlights the critical role of flood risk assessment (FRA) in urban planning amidst increasing climatic uncertainties. It reviews the application of Multi-Criteria Decision-Making (MCDM) techniques, particularly the Analytic Hierarchy Process (AHP) and its fuzzy variant (FAHP), in evaluating flood vulnerabilities across various regions. The literature indicates a growing trend towards integrating AHP with Geographic Information Systems (GIS) and machine learning methods to enhance the accuracy and robustness of flood susceptibility mapping. Notable studies have demonstrated the effectiveness of these hybrid approaches, revealing that while AHP is widely used for its systematic derivation of criteria weights, it faces challenges related to expert opinion inconsistencies. This has led to the exploration of FAHP and other hybrid models that combine qualitative expert judgment with quantitative data-driven techniques.
Despite the advancements, significant research gaps persist, such as the reliance on single-method frameworks that may lack robustness and the limited representation of uncertainties in existing fuzzy models. The proposed study aims to address these gaps by introducing a novel decision-making framework that integrates the Preference Selection Index (PSI), Simple Additive Weighting (SAW), and the CODAS method within a Linear Bipolar Triangular Fuzzy Number (LRBTFN) context. This framework is designed to enhance the representation of both positive and negative uncertainties, thereby improving the robustness and realism of flood risk assessments. The study’s focus on the Ernakulam district in Kerala, a region highly susceptible to flooding, underscores the urgency for data-driven strategies that align with sustainable urban management goals, contributing to disaster resilience and adaptive planning in vulnerable communities.
Limitations
The limitations of this research are multifaceted. Firstly, the framework relies on linguistic assessments from a limited cohort of domain experts, which introduces a degree of subjectivity despite the use of fuzzy modeling to mitigate uncertainty. Secondly, while the effectiveness of the proposed approach is validated using data from the Ernakulam district, its applicability to other geographical areas may necessitate adjustments to the criteria and inputs employed.
Additionally, the analysis is based on static datasets, failing to incorporate temporal dynamics or real-time factors such as flood progression and climate variability. Lastly, the lack of large-scale labeled datasets for the study region constrains the potential use of supervised machine learning models, thereby limiting the broader applicability of the findings.