MétaCan
Menu
Retour à la cohorte
Enregistrement W2075168899 · doi:10.1139/t01-041

Extreme avalanche runout: a comparison of empirical models

2001· article· en· W2075168899 sur OpenAlexfundvenueno aff
D. M. McClung

Notice bibliographique

RevueCanadian Geotechnical Journal · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of British Columbia
Mots-clésGumbel distributionTerrainDimensionless quantityGeologyExtreme value theoryGeodesyMathematicsStatisticsMechanicsGeographyCartography

Résumé

récupéré en direct d'OpenAlex

The prediction of snow avalanche runout distances and the probability of exceeding the predicted positions is the first and most important step required before making decisions about placement of facilities or control structures in snow avalanche prone terrain. There are two main prediction methods for calculating runout distances: (1) procedures linked to the selection of friction coefficients in avalanche dynamic models, and (2) empirical, statistical prediction based on terrain parameters for a set of extreme runout distances for the mountain range in question. Within the second method there are presently two competing empirical approaches to prediction: (i) ordinary least squares regression analysis related to angles measured for the path profile in question, and (ii) extreme value prediction of runout based on a Gumbel distribution of a dimensionless terrain parameter. In this paper a comparison of the two empirical methods with emphasis on the slope steepness in the runout zone is provided. The comparison is important, since the choice of method does affect the probability of the runout position being exceeded, particularly far into the runout zone where facilities are most likely to be located. The analysis shows that comparison of the models hinges on slope steepness in the runout zone and differences in calculating exceedance probabilities from the distributions used in the analysis (Gumbel distribution and Gaussian). The method based on the dimensionless Gumbel parameter provides more conservative predictions for flat terrain in the runout zone, and the regression - least squares method is more conservative for steep terrain in the runout zone. In addition, the Gumbel method is shown to be compatible with the characteristics of runout zone slope steepness shown by field data: there is very little dependence of runout distance on runout zone slope steepness.Key words: snow avalanche, runout, empirical methods, statistical methods.

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)0,007
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,019
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,046
Tête enseignante GPT0,277
Écart entre enseignants0,231 · 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'étudeSimulation ou modélisation
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

Citations37
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetLandslides and related hazardsTravaux en français237 207