Applying Consequence-Driven Scenario Selection to Lifelines
Notice bibliographique
Résumé
We present a new consequence-driven framework for earthquake scenario selection. For emergency managers, utility operators, policy makers, and other stakeholders, a scenario-based seismic risk assessment is often necessary for the purpose of emergency management and planning. In developing a scientifically defensible scenario, stakeholders can simulate a realistic event in order to pre-identify vulnerabilities in the system and support action to address these vulnerabilities. Selecting scenarios is particularly challenging for important population centers and critical infrastructure in stable tectonic environments, such as in the central and eastern United States, where uncertain long-term seismicity and unknown faults offer inadequate constraints. Notably, significant events in these so-called stable regions do occur (e.g., Nahanni, Canada, 1985, M6.9; Tennant Creek, Australia, 1998, M6.7). In regions of low seismicity, even moderate events can be consequential due to the higher vulnerability of buildings typical of such regions when compared to regions of higher seismicity. Furthermore, communicating seismic risk to stakeholders and the general public in these regions can be especially challenging due to the complexities of characterizing the hazard level. This framework has been developed to address these challenges for scenario selection in low seismic hazard regions. In this new approach, the analysis begins instead with the explicit definition of a consequence of concern to the specific stakeholder. This can range from a definition of loss (in lives, dollars, or another metric of interest), or a performance metric for critical infrastructure. The framework leverages United States Geological Survey software to run the hazard and consequence analysis. Driven by this stakeholder-defined consequence, an inversion analysis generates a complete event set of candidate scenarios that could breach this consequence. The final selection of a scenario, or family of scenarios, is then scientifically informed, but not limited by our lack of constraints in characterizing the hazard.
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 | 0,008 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».