MétaCan
Menu
Retour à la cohorte
Enregistrement W3089119772 · doi:10.1177/8755293020957374

Probabilistic seismic risk assessment of India

2020· article· en· W3089119772 sur OpenAlex
Anirudh Rao, Debashish Dutta, Pratim Kalita, Nick Ackerley, Vítor Silva, Meera Raghunandan, Jayadipta Ghosh, Siddhartha Ghosh, Svetlana Brzev, Kaustubh Dasgupta

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEarthquake Spectra · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésSeismic riskProbabilistic logicEarthquake scenarioVulnerability (computing)HazardSeismic hazardRisk assessmentProbabilistic risk assessmentUrban seismic riskPreparednessRisk analysis (engineering)Computer scienceEngineeringCivil engineeringBusinessComputer securityEconomics

Résumé

récupéré en direct d'OpenAlex

This study presents a comprehensive open probabilistic seismic risk model for India. The proposed model comprises a nationwide residential and non‐residential building exposure model, a selection of analytical seismic vulnerability functions tailored for Indian building classes, and the open implementation of an existing probabilistic seismic hazard model for India. The vulnerability of the building exposure is combined with the seismic hazard using the stochastic (Monte Carlo) event‐based calculator of the OpenQuake engine to estimate probabilistic seismic risk metrics such as average annual economic losses and the exceedance probability curves at the national, state, district, and subdistrict levels. The risk model and the underlying datasets, along with the risk metrics calculated at different scales, are intended to be used as tools to quantitatively assess the earthquake risk across India and also compare with other countries to develop risk‐informed building design guidelines, for more careful land‐use planning, to optimize earthquake insurance pricing, and to enhance general earthquake risk awareness and preparedness.

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.

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 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 enseignants0,169
Score d'incertitude au seuil0,451

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,216
Écart entre enseignants0,208 · 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