MétaCan
Menu
Retour à la cohorte
Enregistrement W4293817110 · doi:10.3390/su141610277

Evaluation of Interaction between Bridge Infrastructure Resilience Factors against Seismic Hazard

2022· article· en· W4293817110 sur OpenAlexaff
Ángel Francisco Galaviz Román, Md Saiful Arif Khan, Golam Kabir, A. H. M. Muntasir Billah, Subhrajit Dutta

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensUniversity of CalgaryUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésBridge (graph theory)Resilience (materials science)AmbiguityNatural hazardEngineeringSeismic hazardHazardFlooding (psychology)Risk analysis (engineering)Computer scienceConstruction engineeringCivil engineeringBusinessGeology

Résumé

récupéré en direct d'OpenAlex

Infrastructure systems, such as bridges, are perpetually vulnerable to natural hazards such as seismic events, flooding, and landslides. This study aims to determine the relevant parameters required to increase the seismic resilience of bridge infrastructure based on the decisions of experts and prior research. To this end, the crisp DEMATEL (decision-making and trial evaluation laboratory) and rough DEMATEL methods are employed. Rough DEMATEL is a supplement to crisp DEMATEL that incorporates rough theory to handle ambiguity. The efficacies of the rough and crisp DEMATEL methods are then compared between the two approaches. This study found the most crucial seismic-resilience variables for bridges. The outcomes of this study reveal the significant order and cause-and-effect relationships. This research can assist transportation engineers and executive agencies in enhancing the seismic resilience of roadway bridges and bridge networks.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,594
Score d'incertitude au seuil0,910

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,284
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 tête enseignante, 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
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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207