Are there better ways to quantify flood risk to life
Notice bibliographique
Résumé
Risk to life is a critical consideration in flood risk management but quantify those risks have long been a vexed issue. The Australian National Committee on Large Dams (ANCOLD, 2003) recommends the methodology developed by Graham (1999) for estimating loss of life from dam failure. In the absence of other accepted methodologies this has sometimes been applied to loss of life from flooding generally but Graham himself has stressed on more than one occasion that the method has been developed purely for dam failure scenarios and is not suitable for other flood events (Graham, 2013). \n \nIn recent years more sophisticated models for the estimation of loss of life in any flood event have been created. One of the most advanced of these was developed by BC Hydro in Canada and recently commercialised as the Life Safety Model by HR Wallingford in the UK. It is an agent based model which integrates dynamic 2D flood modelling with a flood warning dissemination model, a dynamic traffic model and consequence analysis of the interaction of floodwaters with people, vehicles and buildings to track the warning, response, evacuation and fate of each individual on a floodplain. \n \nMolino Stewart and HR Wallingford were engaged by the NSW State Emergency Service to pilot the use of this model at Windsor on the Hawkesbury Nepean Floodplain and evaluate its utility for both evacuation planning and life risk quantification. This paper presents the findings of that work.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,012 | 0,036 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».