MétaCan
Menu
← Retour à la cohorte
Enregistrement W4388657583 · doi:10.1061/9780784485163.008

Extreme Wind and Snow Loads for Alaska in Projected Future Climates

2023· article· en· W4388657583 sur OpenAlexaff
Sihan Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensRowan Williams Davies & Irwin (Canada)
Organismes subventionnairesnon disponible
Mots-clésClimate changeEnvironmental scienceSnowExtreme weatherClimatologyWind speedMeteorologyAtmospheric sciencesGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Extreme wind and snow loads can be critical structural design parameters for Alaska. Understanding these extreme climate conditions under climate change conditions is valuable for adaptation and community resilience. Wind or snow loads can be the principal climatic loads, and the other can be the companion load. The effect of climate change on these two extreme climatic variables deserves investigation. Moreover, how climate change impacts both extreme climatic variables is still being determined; it is also worth understanding the spatial effect of climate change over Alaska for each hazard. For this purpose, this study investigated a large ensemble of simulations under a high-emissions climate change scenario to analyze the uncertainties of the future extreme wind climate and snow loads for Alaska. The impact of climate change on the design level of extreme events was investigated. The nonstationarity of the extreme wind speeds and ground snow loads under climate change scenarios were examined. The effects of the nonstationarity on determining the design wind speeds and ground snow loads are discussed. The correlation between the extreme wind speeds and ground snow loads is explored to understand how to consider the companion climatic loads in climate change scenarios. Uncertainties associated with future projections are explored. Structural design for climate change adaptation and community resilience in extreme wind and snow hazards is discussed.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,260
Écart entre enseignants0,223 · 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'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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate variability and models→Travaux en français237 207→