MétaCan
Menu
Retour à la cohorte
Enregistrement W4385991189 · doi:10.1051/e3sconf/202341505026

Quantifying debris-flow hazard and risk based on fan sector

2023· article· en· W4385991189 sur OpenAlexaffabout
Alex Strouth, Sophia Zubrycky, Scott McDougall

Notice bibliographique

RevueE3S Web of Conferences · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensBGC Engineering (Canada)University of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDebris flowHazardDebrisChannel (broadcasting)Risk assessmentEnvironmental scienceFlow (mathematics)GeographyRisk analysis (engineering)MeteorologyComputer scienceBusinessMathematicsTelecommunicationsComputer security

Résumé

récupéré en direct d'OpenAlex

We show how a quantitative estimate of debris-flow hazard and risk can be derived simply from the position of infrastructure on the fan relative to the fan apex and the most likely flow path (e.g., active channel). Fan sectors and the spatial probability of impact in each sector are based on a fan-normalized heat map of debris-flow impacts derived from 146 mapped impact areas across 30 fans in southwestern British Columbia, Canada. As a proof-of-concept, we provide an example for annual life loss risk to an individual who occupies a home in various sectors of a debris-flow fan. The results are comparable to broad findings from quantitative risk assessments completed at 10 fans in British Columbia and Alberta, Canada with similar characteristics. The method presented here is a way to obtain a high-level quantitative risk estimate prior to a detailed site-specific assessment.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,266
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,028
Tête enseignante GPT0,250
Écart entre enseignants0,222 · 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.

Devis d'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetLandslides and related hazardsTravaux en français237 207