The Economic Impact of Critical National Infrastructure Failure Due to Space Weather
Notice bibliographique
Résumé
Abstract Space weather is a collective term for different solar or space phenomena that can detrimentally affect technology. However, current understanding of space weather hazards is still relatively embryonic in comparison to terrestrial natural hazards such as hurricanes, earthquakes, or tsunamis. Indeed, certain types of space weather such as large Coronal Mass Ejections (CMEs) are an archetypal example of a low-probability, high-severity hazard. Few major events, short time-series data, and the lack of consensus regarding the potential impacts on critical infrastructure have hampered the economic impact assessment of space weather. Yet, space weather has the potential to disrupt a wide range of Critical National Infrastructure (CNI) systems including electricity transmission, satellite communications and positioning, aviation, and rail transportation. In the early 21st century, there has been growing interest in these potential economic and societal impacts. Estimates range from millions of dollars of equipment damage from the Quebec 1989 event, to some analysts asserting that losses will be in the billions of dollars in the wider economy from potential future disaster scenarios. Hence, the origin and development of the socioeconomic evaluation of space weather is tracked, from 1989 to 2017, and future research directions for the field are articulated. Since 1989, many economic analyzes of space weather hazards have often completely overlooked the physical impacts on infrastructure assets and the topology of different infrastructure networks. Moreover, too many studies have relied on qualitative assumptions about the vulnerability of CNI. By modeling both the vulnerability of critical infrastructure and the socioeconomic impacts of failure, the total potential impacts of space weather can be estimated, providing vital information for decision makers in government and industry. Efforts on this subject have historically been relatively piecemeal, which has led to little exploration of model sensitivities, particularly in relation to different assumption sets about infrastructure failure and restoration. Improvements may be expedited in this research area by open-sourcing model code, increasing the existing level of data sharing, and improving multidisciplinary research collaborations between scientists, engineers, and economists.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».