MétaCan
Menu
Retour à la cohorte
Enregistrement W2955917745 · doi:10.3390/w11071324

Numerical Runout Modeling Analysis of the Loess Landslide at Yining, Xinjiang, China

2019· article· en· W2955917745 sur OpenAlexaboutno aff
Longwei Yang, Yunjie Wei, Wenpei Wang, Sainan Zhu

Notice bibliographique

RevueWater · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Science and Technology of ChinaNational Key Research and Development Program of ChinaChina Geological SurveyNorthwest UniversityChinese Academy of Sciences
Mots-clésLandslideLoessGeologyDebris flowGeotechnical engineeringMass movementHazardRheologyDebrisLoess plateauMining engineeringGeomorphologySoil science

Résumé

récupéré en direct d'OpenAlex

The Panjinbulake loess landslide is located in the western part of the Loess Plateau, in Yining County, Xinjiang, China. It is characterized by its long runout and rapid speed. Based on a field geological survey and laboratory test data, we used the DAN-W dynamic numerical simulation software (Dynamic Analysis Of Landslides, Release 10, O. Hungr Geotechnical Research Inc., West Vancouver, BC, Canada) and multiple sets of rheological models to simulate the whole process of landslide movement. The best rheological groups of the features of the loess landslide process were obtained by applying the Voellmy rheological model in the debris flow area and applying the Frictional rheological model in the sliding source area and accumulation area. We calculated motion features indicating that the landslide movement duration was 22 s, the maximum movement speed was 20.5 m/s, and the average thickness of the accumulation body reached 5.5 m. The total accumulation volume, the initial slide volume and the long runout distance were consistent with the actual situation. In addition, the potential secondary disaster was evaluated. The results show that the DAN-W software and related model parameters can accurately simulate and predict the dynamic hazardous effects of high-speed and long runout landslides. Together, these predictions could help local authorities make the best hazard reduction measures and to promote local development.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,385
Score d'incertitude au seuil0,995

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)0,0060,001

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 Opus0,004
Tête enseignante GPT0,192
Écart entre enseignants0,187 · 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.

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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetLandslides and related hazardsTravaux en français237 207