Susceptibility modelling of seismically induced effects (landslides and rock falls) integrated to rapid scoring procedures for bridges using GIS tools for the Lowlands of the Saint-Lawrence Valley
Notice bibliographique
Résumé
Assessment of the seismic vulnerability of a bridge structure relies on its structural characteristics and site data. However, seismically induced effects, such as landslides or rock falls, are often unknown at a bridge site, making seismic risk assessment difficult. The objective of this paper is to develop a methodology to produce susceptibility map for landslides and rock falls for the Lowlands of the Saint-Lawrence Valley based on geological and slope models, groundwater table and proximity to watercourses. The methodology is inspired by the concepts of the methodology of Hazus and adapted to the specificity of the region of study. The final map of susceptibility to landslides shows a predominance of high level of susceptibility. The digital inventory of landslides is compared to the landslides susceptibility levels. Sixty-eight percentage (68%) of landslides from the inventory are located on areas evaluated as highly or very highly susceptible. Therefore, the method of attribution of susceptibility level is well correlated to the inventory of landslides. This map is used within scoring procedures for a rapid assessment of the seismic vulnerability of bridges giving a better classification of the most vulnerable installations, improving the effectiveness of mitigation measures and the efficiency of emergency planning.
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 | 0,001 | 0,001 |
| 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 ».