Highly energetic rockfalls: back analysis of the 2015 event from the Mel de la Niva, Switzerland
Notice bibliographique
Résumé
Abstract Process-based rockfall simulation models attempt to better emulate rockfall dynamics to different degrees. As no model is perfect, their development is often accompanied and validated by the valuable collection of rockfall databases covering a range of site geometries, rock masses, velocities, and related energies that the models are designed for. Additionally, such rockfall data can serve as a base for assessing the model’s sensitivity to different parameters, evaluating their predictability and helping calibrate the model’s parameters from back calculation and analyses. As the involved rock volumes/masses increase, the complexity of conducting field-test experiments to build up rockfall databases increases to a point where such experiments become impracticable. To the author’s knowledge, none have reconstructed rockfall data in 3D from real events involving block fragments of approximately 500 metric tons. A back analysis of the 2015 Mel de la Niva rockfall event is performed in this paper, contributing to a novel documentation in terms of kinetic energy values, bounce heights, velocities, and 3D lateral deviations of these rare events involving block fragments of approximately 200 m 3 . Rockfall simulations are then performed on a “per-impact” basis to illustrate how the reconstructed data from the site can be used to validate results from simulation models.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».