MétaCan
Menu
Retour à la cohorte
Enregistrement W4200578991 · doi:10.1177/87552930211056081

NGA‐Subduction research program

2021· article· en· W4200578991 sur OpenAlexaff
Yousef Bozorgnia, Norman Abrahamson, Sean K Ahdi, Timothy D Ancheta, Linda Al Atik, Ralph J. Archuleta, Gail M. Atkinson, David M. Boore, Kenneth W. Campbell, Brian Chiou, Víctor Contreras, Robert B. Darragh, Sahar Derakhshan, Jennifer L. Donahue, Nick Gregor, Zeynep Gülerce, IM Idriss, Chen Ji, Tadahiro Kishida, Albert Kottke, Nicolas Kuehn, Dong Youp Kwak, Annie O Kwok, Ping Lin, Jorge Macedo, Silvia Mazzoni, Saburoh MIDORIKAWA, Sifat Muin, Grace A. Parker, Sanaz Rezaeian, Hongjun Si, Walter J. Silva, Jonathan P. Stewart, Melanie Walling, Katie Wooddell, Robert Youngs

Notice bibliographique

RevueEarthquake Spectra · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensWestern University
Organismes subventionnairesU.S. Geological SurveyCalifornia Department of Transportation
Mots-clésSubductionGround motionGeologySeismologyAttenuationAccelerationDatabaseTectonicsComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

This article summarizes the Next Generation Attenuation (NGA) Subduction (NGA‐Sub) project, a major research program to develop a database and ground motion models (GMMs) for subduction regions. A comprehensive database of subduction earthquakes recorded worldwide was developed. The database includes a total of 214,020 individual records from 1,880 subduction events, which is by far the largest database of all the NGA programs. As part of the NGA‐Sub program, four GMMs were developed. Three of them are global subduction GMMs with adjustment factors for up to seven worldwide regions: Alaska, Cascadia, Central America and Mexico, Japan, New Zealand, South America, and Taiwan. The fourth GMM is a new Japan‐specific model. The GMMs provide median predictions, and the associated aleatory variability, of RotD50 horizontal components of peak ground acceleration, peak ground velocity, and 5%‐damped pseudo‐spectral acceleration (PSA) at oscillator periods ranging from 0.01 to 10 s. Three GMMs also quantified “within‐model” epistemic uncertainty of the median prediction, which is important in regions with sparse ground motion data, such as Cascadia. In addition, a damping scaling model was developed to scale the predicted 5%‐damped PSA of horizontal components to other damping ratios ranging from 0.5% to 30%. The NGA‐Sub flatfile, which was used for the development of the NGA‐Sub GMMs, and the NGA‐Sub GMMs coded on various software platforms, have been posted for public use.

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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0360,018

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 Opus0,031
Tête enseignante GPT0,300
Écart entre enseignants0,269 · 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'étudeObservationnel
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

Citations89
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarthquake SpectraMême sujetSeismic Performance and AnalysisTravaux en français237 207