MétaCan
Menu
Retour à la cohorte
Enregistrement W2033789472 · doi:10.1002/fam.984

Fire loads in commercial premises

2008· article· en· W2033789472 sur OpenAlexaffabout
Ehab Zalok, George Hadjisophocleous, J. R. Mehaffey

Notice bibliographique

RevueFire and Materials · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueFire dynamics and safety research
Établissements canadiensFPInnovationsCarleton University
Organismes subventionnairesnon disponible
Mots-clésPercentileEnvironmental scienceMean valueClothingFire safetyToxicologyMathematicsForensic engineeringGeographyEngineeringAgricultural economicsStatisticsArchaeologyEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents the results of a survey conducted in the Canadian cities of Ottawa and Gatineau to characterize fire loads in commercial premises. The survey included various commercial establishments such as restaurants, travel agencies, and pharmacies, as well as, retail stores selling clothing, shoes, food, alcohol, computers, and computer supplies. Five different types of combustible material groups were selected as the base of analyses: textiles, plastics, wood/paper, food, and miscellaneous. The data collected were analyzed to determine the total fire load in each establishment, the fire load density, and the contribution of different combustible materials to the total fire load. A total of 168 commercial premises were surveyed with a total floor area of 17127 m2. The area of the surveyed stores ranged from 3.25 to 1707 m2. The fire load densities of the 168 surveyed stores had a lognormal distribution with a mean value of 747 MJ/m2, a maximum value of 5305 MJ/m2, a minimum value of 56 MJ/m2, and a standard deviation of 833 MJ/m2. In most stores, the 95th percentile and the mean fire load density showed a tendency to decrease with an increase of floor area, which is consistent with those of earlier surveys. Copyright © 2008 John Wiley & Sons, Ltd.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,802
Score d'incertitude au seuil0,399

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,221
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFire and MaterialsMême sujetFire dynamics and safety researchTravaux en français237 207