MétaCan
Menu
Retour à la cohorte
Enregistrement W2990263297 · doi:10.3390/su11236552

Resilience Assessment of Interdependent Infrastructure Systems: A Case Study Based on Different Response Strategies

2019· article· en· W2990263297 sur OpenAlexaff
Jingjing Kong, Slobodan P. Simonović, Chao Zhang

Notice bibliographique

RevueSustainability · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensWestern University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésInterdependenceResilience (materials science)Critical infrastructureRisk analysis (engineering)Computer scienceRobustness (evolution)Supply networkInterdependent networksCascading failureNetwork performanceElectric power systemBusinessComputer securityTelecommunicationsPower (physics)

Résumé

récupéré en direct d'OpenAlex

Resilient infrastructure systems are essential for continuous and reliable functioning of social and economic systems. Taking advantage of network theory, this paper models street network, water supply network, power grid and information infrastructure network as layers that are integrated into a multilayer network. The infrastructure interdependencies are described using five basic dependence patterns of fundamental network elements. Definitions of dynamic cascading failures and recovery mechanisms of infrastructure systems are also established. The main contribution of the paper is a new infrastructure network resilience measure capable of addressing complex infrastructure system, as well as network component (layer) interdependences. The new measure is based on infrastructure network performance, proactive absorptive capacity and reactive restorative capacity, with three resilience features of network—robustness, resourcefulness, and rapidity. The quantitative resilience measure using dynamic space-time simulation model is illustrated with a multilayer infrastructure network numerical test, including different response strategies to floods of different scale. The results demonstrate that the resilience measure provides an evaluation method of various protection and restoration strategies that will optimize the performance of interdependent infrastructure system. The sector-specific decisions could not always lead to optimal system solutions, and systems approach offers significant benefits for increasing infrastructure system resilience. This study can assist municipal decision makers in (i) better understanding the effects of different response strategies on the resilience of interdependent infrastructure system, and (ii) deciding which strategy should be adopted under different types of disasters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,004
Tête enseignante GPT0,275
Écart entre enseignants0,271 · 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 source (Gemma direct ou Codex distillé), 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

Citations59
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207