MétaCan
Menu
Retour à la cohorte
Enregistrement W2321772613 · doi:10.1080/17499518.2015.1106562

Seismic vulnerability assessment for Montreal

2015· article· en· W2321772613 sur OpenAlexaffabout
Keyan Yu, Luc Chouinard, Philippe Rosset

Notice bibliographique

RevueGeorisk Assessment and Management of Risk for Engineered Systems and Geohazards · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensMcGill UniversitySNC-Lavalin (Canada)
Organismes subventionnairesnon disponible
Mots-clésSeismic hazardSeismic riskEarthquake scenarioEstimationSeismologyVulnerability (computing)AttenuationPopulationGeographyEnvironmental scienceGeologyEngineeringComputer scienceDemographyPhysics

Résumé

récupéré en direct d'OpenAlex

In Canada, Montreal is the second city with the highest seismic risk. This is due to its relatively high seismic hazard, old infrastructures and high population density. The region is characterised by moderate seismic activity with no recent record of a major earthquake. The lack of historical strong ground motion records for the region contributes to large uncertainties in the estimation of hazards. Among the sources of uncertainty, the attenuation function is the main contributor and its effect on estimates of risks is investigated. Epistemic uncertainty was considered by obtaining damage estimates for three attenuation functions that were developed for Eastern North America. The results indicate that loss estimates are highly sensitive to the choice of the attenuation function and suggest that epistemic uncertainty should be considered both for the definition of the hazard function and in loss estimation methodologies. Seismic loss estimates are performed for a 2% in 50 years seismic threat, which corresponds to the design level earthquake in the national building code of Canada, using HAZUS-MH4 for the Montreal region over 522 census tracts. The study estimated that for the average scenario roughly 5% of the building stock would be damaged with direct economic losses evaluated at 1.4 billion dollars for such a scenario. The maximum number of casualties would result in approximately 500 people being injured or dead at a calculated time of occurrence of 2 pm.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,472
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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)0,0000,000

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 Opus0,014
Tête enseignante GPT0,270
Écart entre enseignants0,256 · 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'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

Citations22
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeorisk Assessment and Management of Risk for Engineered Systems and GeohazardsMême sujetSeismic Performance and AnalysisTravaux en français237 207