Study on evaluation models of severity degree of dam failure impact
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Dam risk assessment technique has already been used in the field of dam safety management abroad especially in Canada, Australia and USA in recent twenty years. There are more than 85 000 dams in China and about one-third of them are with severe deficiency and in high risks. Therefore it is real necessary to use this kind of technique to assist prioritizing dam maintenance or rehabilitation, reducing risks caused by dam failure. The technique consists of two important research objectives, dam-break probability analysis and dam failure impact evaluation. Dam failure impact includes three main factors: loss of life, financial loss, society and environment. How to evaluate the severity degree by means of these three factors comprehensively is a challenge of dam rehabilitation decision-making. The paper is to present a comprehensive evaluation coefficient for dam-break severity degree. The study introduces integrative assessment function L which considered weights S_i respectively of life loss, financial loss, society and environment, and their severity coefficients F_i, formed as linear weighted sum method. In order to integrate loss of life, financial loss, society and environment in accordance with existing laws and regulations in China, logarithm non-linear or linear models of data normalization are established to deal with their different units. A series of quantitative values of L which divide disaster event into deferent degree are suggested according to Chinese situation. The method and evaluation model is practically applied at 5 reservoir dams to appraise their severity degree of failure impact respectively and the comparison of these results are made to decide which one is more severe. The analyzed result shows that hazard of all these 5 dams would be extreme severe and should report to State Council as soon as the event of dam break occur.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle