MétaCan
Menu
Retour à la cohorte
Enregistrement W4385949184 · doi:10.3390/ijerph20166593

Stormwater Infrastructure Resilience Assessment against Seismic Hazard Using Bayesian Belief Network

2023· article· en· W4385949184 sur OpenAlexaffabout
Maryam Garshasbi, Golam Kabir, Subhrajit Dutta

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésStormwaterResilience (materials science)Critical infrastructureHazardGreen infrastructureBayesian networkEnvironmental scienceEnvironmental planningEnvironmental resource managementComputer scienceCivil engineeringEngineeringSurface runoffComputer security

Résumé

récupéré en direct d'OpenAlex

Resilient stormwater infrastructure is one of the fundamental components of resilient and sustainable cities. For this, the resilience assessment of stormwater infrastructure against earthquake hazards is crucial for municipal authorities. The objective of this study is to develop a resilience assessment framework for stormwater pipe infrastructure against seismic hazards. A Bayesian belief network (BBN)-based stormwater infrastructure resilience model is constructed based on the published literature and expert knowledge. The developed framework is implemented in the city of Regina, Canada, to assess the city's stormwater pipe infrastructure resilience. The outcome of the model indicates that proposed BBN-based stormwater infrastructure resilience model can effectively quantify uncertainties and handle the nonlinear relationships between several reliability and recovery factors. The model is also capable of identifying the most sensitive and vulnerable stormwater pipes within the network.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,287
Score d'incertitude au seuil0,465

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,027
Tête enseignante GPT0,343
Écart entre enseignants0,316 · 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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207