Combining Tsunami Hazard and Vulnerability on the Assessment of Tsunami Inundation Probability in Taiwan
Notice bibliographique
Résumé
As earthquake and tsunami are closely related, the probability of tsunami hazard had been done by extending the approach used in earthquakes. However, the hazard of tsunami depends also on the vulnerability of neighboring structures and hence its hazard and vulnerability should not be assessed separately. The distribution of tsunami height varies so significantly that the traditional definition parallel to that in seismic risk should be modified. Besides, previous studies on the probability of tsunami focused on the occurrence possibility of tsunami hazard in a fixed period of time, but this information is not applicable for a specific tsunami incidence. For the above-mentioned problems, a new algorithm that comprises two components is proposed in the present study. The first component, the Probabilistic Forecast of Tsunami Inundation (PFTI), is the conditional inundation probability once a tsunami of a specific height occurs, or an earthquake is detected at some specific location with a specific magnitude. PFTI comprises the assessments of both tsunami hazard and vulnerability, and can be directly applied to a specific tsunami incidence. The second component treats the Tsunamigenic Earthquake Number (TEN) modified from previous studies on tsunami hazard. These two components are combined to give the inundation possibility in a fixed period of time dubbed Earthquake-induced Tsunami Inundation Probability (ETIP) and the result can be used in urban planning or disaster mitigation guidelines. Application of this methodology to the coast of Taiwan is also discussed.
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 | 0,004 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».