Une méthode prédictive non biaisée et géoréférencée d'estimation des dommages résidentiels d'inondation
Notice bibliographique
Résumé
Flood risk management for residences requires an economical analysis involving the mean annual damage by floods, taking into account the whole range of probability of floods and the cost of projected fluvial enhancements and measures, taking also into account the residual level of risk. Efficient methods are therefore necessary to estimate these risk values. The proposed approach is of a "distributed" type; it involves numerical modeling for estimating "residential submersion depth", a variable, which explains most of the direct damages to residences. The method relies on an individualized georeferenced definition of each residence. Measured submersion data and the compensations obtained from the huge Saguenay flood in 1996 (Ville de Laterrière) were used to build empirical laws based on submersion. Four distinct relationships were established: residences with or without a basement and valued below or above $50,000 each were assigned a specific relationship. With these relationships, direct residential damages in Laterrière were assessed by using only simulation results at the georeferenced position of sector residences as input. It was then possible to evaluate the total amount of direct home damages in Laterrière.Key words: flood, risk, damage rating curves, Saguenay floods, numerical modeling, predictive model, georeference, geographic information system.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».