MétaCan
Menu
Retour à la cohorte
Enregistrement W2169453132 · doi:10.1109/eicccc.2006.277249

Changing Weather Patterns, Uncertainty and Infrastructure Risks: Emerging Adaptation Requirements

2006· article· en· W2169453132 sur OpenAlexaff
Heather Auld, Don Maclver

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésClimate changeExtreme weatherDamagesEnvironmental scienceAdaptation (eye)Climate modelDownscalingClimate extremesCritical infrastructureComputer scienceEnvironmental resource managementClimatologyEcology

Résumé

récupéré en direct d'OpenAlex

As the climate changes, it is likely that risks for infrastructure failure will increase worldwide due to shifting weather patterns and extreme weather conditions becoming more variable and regionally more intense. Existing studies indicate that small increases in weather and climate extremes have the potential to bring large increases in damages to existing infrastructure. Almost all of today's infrastructure has been designed using climatic design values calculated from historical climate data on the assumption that past extremes will represent future conditions. Changes in climate will require changes to these climatic design values, as well as larger societal changes. Uncertainties in the climate change models and in the projections on the magnitudes and directions of future changes limit abilities to design infrastructure for future conditions. Until these uncertainties in the climate change projections are reduced, it will become critically important that climatic design values be calculated as accurately as possible and that values are regularly updated to reflect the changing climate. Since uncertainty is accepted as a part of construction codes and standards, it should be possible to deal with the growing uncertainty of future climate design values through measures such as increasing safety factors, forensic analyses of extreme events and use of climate trends and climate model projections based on surrogate climate variables.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,194
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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 tête enseignante, pas un consensus.

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

Citations29
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydrology and Drought AnalysisTravaux en français237 207