MétaCan
Menu
Retour à la cohorte
Enregistrement W4283382843 · doi:10.3808/jeil.202200079

Extending Simulation Decomposition Analysis into Systemic Risk Planning for Domino-Like Cascading Effects in Environmental Systems

2022· article· en· W4283382843 sur OpenAlexaff
Mariia Kozlova, Julian Scott Yeomans

Notice bibliographique

RevueJournal of Environmental Informatics Letters · 2022
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueRisk and Safety Analysis
Établissements canadiensYork University
Organismes subventionnairesBusiness Finland
Mots-clésDomino effectComputer scienceInterdependenceCascading failureVisualizationRisk analysis (engineering)Visual analyticsConstruct (python library)Complex systemDiscrete event simulationDecision support systemComponent (thermodynamics)Event (particle physics)DecompositionAnalyticsReliability engineeringData miningSimulationElectric power systemEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

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.

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)0,004
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,018
Tête enseignante GPT0,317
Écart entre enseignants0,298 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Informatics LettersMême sujetRisk and Safety AnalysisTravaux en français237 207