Comparing Flow-R, Rockyfor3D and RAMMS to Rockfalls from the Mel de la Niva Mountain: A Benchmarking Exercise
Notice bibliographique
Résumé
Rockfall simulations are often performed at various levels of detail depending on the required safety margins of rockfall-hazard-related assessments. As a pseudo benchmark, the simulation results from different models can be put side-by-side and compared with reconstructed rockfall trajectories, and mapped deposited block fragments from real events. This allows for assessing the objectivity, predictability, and sensitivity of the models. For this exercise, mapped data of past events from the Mel de la Niva site are used in this paper for a qualitative comparison with simulation results obtained from early calibration stages of the Flow-R 2.0.9, Rockyfor3D 5.2.15 and RAMMS::ROCKFALL 1.6.70 software. The large block fragments, reaching hundreds of megajoules during their fall, greatly exceed the rockfall energies of the empirical databases used for the development of most rockfall models. The comparison for this challenging site shows that the models could be improved and that combining the use of software programs with different behaviors could be a workaround in the interim. The findings also highlight the inconvenient importance of calibrating the simulations on a per-site basis from onsite observations. To complement this process, a back calculation tool is briefly described and provided. This work also emphasizes the need to better understand rockfall dynamics to help improve rebound 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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».