MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392113545 · doi:10.1007/978-3-031-48821-4_3

LEAP-ASIA-2019 Simulation Exercise: Comparison of the Type-B and Type-C Numerical Simulations with Centrifuge Test Results

2024· book-chapter· en· W4392113545 sur OpenAlexaff
Kyohei Ueda, Yoshikazu Tanaka, Anurag Sahare, Ahmed Elgamal, Zhijian Qiu, Rui Wang, Tong Zhu, Chuang Zhou, Jianmin Zhang, Andres Reyes Parra, Andrés R. Barrero, Mahdi Taiebat, Waka Yuyama, Susumu Iai, Junichi Hyodo, Koji Ichii, Mohamed A. Elbadawy, Yan‐Guo Zhou, Gianluca Fasano, Anna Chiaradonna, Emilio Bilotta, Pedro Arduino, Mourad Zeghal, Majid T. Manzari, Tetsuo Tobita

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueSports Performance and Training
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésCentrifugeType (biology)Test (biology)GeologyPhysicsNuclear physics

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter presents a summary of Type-B and Type-C numerical simulations submitted by nine numerical simulation teams that participated in the LEAP-ASIA-2019 prediction campaign, with the results of a selected set of centrifuge model tests on the seismic behavior of a uniform-density, 20-m-long, and 5-degree sandy slope. Time histories of response accelerations, excess pore water pressures, and lateral displacements at the ground surface are compared to the experimental results. A majority of Type-B and Type-C numerical simulations were capable of simulating well the experimental trends observed in the centrifuge tests; in particular, Type-C simulations were found to capture the measured responses more accurately by adjusting the model parameters. Although it is quite challenging to perfectly capture all measured responses (e.g., accelerations, pore pressures, and displacements), the simulation exercises demonstrate that the numerical simulations can be further improved by accumulating high-quality experimental results as a database.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,032
Tête enseignante GPT0,311
Écart entre enseignants0,278 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSports Performance and Training→Travaux en français237 207→