Extending Simulation Decomposition Analysis into Systemic Risk Planning for Domino-Like Cascading Effects in Environmental Systems
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.
Notice bibliographique
Résumé
In interconnected environmental systems, the innocuous failure of one component can sometimes trigger a subsequent domino-like effect resulting in a cascading collapse of the entire system. Risk analysis in “real world” contexts frequently requires the need to simultaneously contrast numerous uncertain factors and difficult-to-capture dimensions. Monte Carlo simulation modelling has often been employed to integrate uncertain inputs and to construct probability distributions of the resulting outputs. Visual analytics and data visualization can be used to support the processing, analyzing, and communicating of the influence of multi-variable uncertainties on the decision-making process. In this paper, the novel Simulation Decomposition (SimDec) analytical technique is extended into complex assessments of cascading risk analysis and used to quantitatively examine situations involving potentially catastrophic, dominolike collapses of an entire system. SimDec analysis proves to be beneficial due to its ability to reveal interdependencies in complex models, its ease of decision-maker perception, its visualizable analytic capabilities, and its significantly lower computational burdens. The case example visually demonstrates that when a system collapse is a low-probability/high-impact event, more expensive, reactive policies minimize the overall value loss under conditions of system survival, while more proactive policies enable better loss prevention under system survival. However, proactive approaches significantly decrease the likelihoods and magnitudes of losses for scenarios resulting from the collapse of the system. Such findings would not have been revealed without the visualization provided by SimDec.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle