Statistical analysis of the landslides triggered by the 2021 SW Chelgard earthquake (ML=6) using an automatic linear regression (LINEAR) and artificial neural network (ANN) model based on controlling parameters
Notice bibliographique
Résumé
Abstract This study uses automatic linear regression (LINEAR) and artificial neural network (ANN) models to statistically analyze the area of landslides triggered by the 2021 SW Chelgard earthquake (ML = 6) based on controlling parameters. We recorded and mapped the number of 632 landslides into four groups (based on the Hungr et al. 2014): rock avalanche-rock fall, debris avalanche-flow, rock slump, and slide earth flow-soil slump using field observation, satellite images, and remote sensing method (before and after the earthquake). The results revealed that most landslides are related to debris avalanche-flow, rock avalanche, and slide earth flow under the disruption influence of slope structures in limestone and shale units and water absorption after the earthquake in young alluviums and terraces. The spatial distribution of landslides showed that the highest values of the landslide area percentage (LAP%) and of the landslide number density (LND, N/km2) occurred in the northern part of the fault on the hanging wall. The ANN models with R2 = 0.60-0.75 provided more accurate predictions of landslide area (LA, m2) than the LINEAR models, with R2 = 0.40-0.60 using multiple parameters. The elevation and slope were found to be the most influential parameters on the rock slump and the debris avalanche using ANN and LINEAR models. Aspect and elevation are the most important parameters for rock avalanches and rockfalls. The sliding earth flow and soil slump are most affected by the slope and elevation parameters. The peak ground acceleration (PGA) and the distance from the epicenter exhibited more effects on the LA than the intensity of Arias (Ia) and the distance from the rupture surface. Thus, the separation of seismic landslides using the classification of Hungr et al. (2014) can be helpful for predicting the LA more accurately and understanding the failure mechanism better.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».