MétaCan
Menu
Retour à la cohorte
Enregistrement W4387859733 · doi:10.3390/geohazards4040023

Influence of the 2020 Seismic Hazard Update on Residential Losses in Greater Montreal, Canada

2023· article· en· W4387859733 sur OpenAlexaffabout
Philippe Rosset, Xuejiao Long, Luc Chouinard

Notice bibliographique

RevueGeoHazards · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSeismic hazardBuilding codeAlluviumReturn periodHazardSeismic riskSeismologyPopulationEnvironmental scienceGeographyGeologyCivil engineeringArchaeologyEngineeringFlood mythDemography

Résumé

récupéré en direct d'OpenAlex

Greater Montreal is situated in a region with moderate seismic activity and rests on soft ground deposits from the ancient Champlain Sea, as well as more recent alluvial deposits from the Saint Lawrence River. These deposits have the potential to amplify seismic waves, as demonstrated by past strong, and recent weak, earthquakes. Studies based on the 2015 National Seismic Hazard Model (SHM5) had estimated losses to residential buildings at 2% of their value for an event with a return period of 2475 years. In 2020, the seismic hazard model was updated (SHM6), resulting in more severe hazards for eastern Canada. This paper aims to quantify the impact of these changes on losses to residential buildings in Greater Montreal. Our exposure database includes population and buildings at the scale of dissemination areas (500–1000 inhabitants). Buildings are classified by occupancy and construction type and grouped into three building code levels based on year of construction. The value of buildings is obtained from property-valuation rolls and the content value is derived from insurance data. Damage and losses are calculated using Hazus software developed for FEMA. Losses are shown to be 53% higher than the SHM5 estimates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,027
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,005
Tête enseignante GPT0,193
Écart entre enseignants0,188 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeoHazardsMême sujetSeismic Performance and AnalysisTravaux en français237 207