MétaCan
Menu
Retour à la cohorte
Enregistrement W2621018622 · doi:10.1061/9780784480724.015

Operational Safety of Dams and Hydropower Installations

2017· article· en· W2621018622 sur OpenAlexaffabout
Romanas Ascila, Desmond ND Hartford, Piotr Zieliński

Notice bibliographique

RevueGeo-Risk 2017 · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensOntario Power GenerationBC Hydro (Canada)
Organismes subventionnairesnon disponible
Mots-clésHydropowerSpillwayAbutmentEmbankment damEngineeringHydroelectricityCivil engineeringPipingFlood mythLeveeGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

This paper discusses simulation approaches to understanding the systems operations of dams and hydropower plants, and provides practical examples from current practice in Canada and Sweden. Dams and hydropower installations are complex structures or systems of interest comprising geotechnical, structural, mechanical, electric, and other subsystems, such as gates, control equipment, and operators. A dam system—in contrast to just the dam—comprises the embankment of the dam along with the various waterways past the dam, and usually with accompanying mechanical and electrical equipment for on-site operational control. Current engineering approaches to dam safety are mostly based on probabilistic risk analysis (PRA) of the geotechnical aspects of the dam (e.g., slope stability under seismic loads, internal piping, overtopping erosion, abutment stability, etc.). PRA primarily address the capability of a dam to withstand loads, such as the demand caused by the design flood and the spillway’s capacity to pass that flood, or the demand caused by the design earthquake and the dam’s capacity to withstand resulting ground shaking. In contrast, experience has shown that many dam failures and perhaps the majority of dam incidents do not result from extreme geophysical loads, but rather from operational events. These incidents and failures occur because an unusual combination of reasonably common events occurs, and that unusual combination of events has an undesirable outcome.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil0,221

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,224
Écart entre enseignants0,215 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeo-Risk 2017Même sujetWater Systems and OptimizationTravaux en français237 207