TSUNAMI EARLY WARNING SYSTEM — AN INDIAN OCEAN PERSPECTIVE
Notice bibliographique
Résumé
On 26th December 2004, the countries within the vicinity of East Indian Ocean experienced the most devastating tsunami in recorded history. This tsunami was triggered by an earthquake of magnitude 9.0 on the Richter scale at 3.4°N, 95.7°E off the coast of Sumatra in the Indonesian Archipelago at 06:29 hrs IST (00:59 hrs GMT). One of the most basic information that any tsunami warning center should have at its disposal, is information on Tsunami Travel Times (TTT) to various coastal locations surrounding the Indian Ocean rim, as well as to several island locations. Devoid of this information, no ETA's (expected times of arrival) can be included in the real-time tsunami warnings. The work describes on development of a comprehensive TTT atlas providing ETA's to various coastal destinations in the Indian Ocean rim. This Atlas was first released on the first anniversary of the Indian Ocean Tsunami and was dedicated to the victims. Application of soft computing tools like Artificial Neural Network (ANN) for prediction of ETA can be immensely useful in a real-time mode. The major advantage of using ANN in a real-time tsunami travel time prediction is its high merit in producing ETA at a much faster time and also simultaneously preserving the consistency of prediction. Overall, it can be mentioned that modern technology can prevent or help in minimizing the loss of life and property provided we integrate all essential components in the warning system and put it to the best possible 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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».