Permafrost-Supported Linear Infrastructure Risk Analysis Software: Design and Goals
Notice bibliographique
Résumé
Risk analysis has been used in non-permafrost regions as a decision-making tool to justify expenditures; however, the application of these techniques to permafrost infrastructure is limited. Risk for a danger (adverse event which causes infrastructure damage) is the product of hazard and consequence. The probability and costs of a danger’s occurrence is a hazard and the consequence, respectively. A computer program, created in the form of a Microsoft Excel macro and associated input spreadsheets, will calculate the risk for a section of permafrost-supported linear infrastructure, using statistical methods applied to limit state design criteria to determine hazards for common dangers, estimated direct costs for the repair of a hazard’s occurrence, and scaling factors to account for the indirect costs of damage to the infrastructure’s users and connected communities. Hazard calculations are based on geotechnical index property and climate variation using Monte Carlo simulation and first order second moment (FOSM) methods. Included within the program will be a climate change fragility analysis and a summation of the overall risk for the roadway section analyzed. Repeated analyses along the infrastructure can provide a section-by-section risk profile of the infrastructure and how this risk may change due to a warming climate. Results may be used as a decision-making tool for cost/benefit analyses to justify the use of adaptation methods, prioritize repair or reconstruction locations and monies, and plan for future conditions.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».