MétaCan
Menu
Retour à la cohorte
Enregistrement W4399810983 · doi:10.1007/s13753-024-00568-4

Seismic Risk Model for the Beijing–Tianjin–Hebei Region, China: Considering Epistemic Uncertainty from the Seismic Hazard Models

2024· article· en· W4399810983 sur OpenAlexaff
Jian Ma, Katsuichiro Goda, Kai Liu, Anirudh Rao, Ming Wang

Notice bibliographique

RevueInternational Journal of Disaster Risk Science · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésBeijingChinaSeismic hazardUncertainty quantificationSeismologyHazardRisk modelSeismic riskGeologyEnvironmental scienceEconometricsGeographyStatisticsMathematicsArchaeology

Résumé

récupéré en direct d'OpenAlex

Abstract This study presents a probabilistic seismic risk model for the Beijing–Tianjin–Hebei region in China. The model comprises a township-level residential building exposure model, a vulnerability model derived from the Chinese building taxonomy, and a regional probabilistic seismic hazard model. The three components are integrated by a stochastic event-based method of the OpenQuake engine to assess the regional seismic risk in terms of average annual loss and exceedance probability curve at the city, province, and regional levels. The novelty and uniqueness of this study are that a probabilistic seismic risk model for the Beijing–Tianjin–Hebei region in China is developed by considering the impact of site conditions and epistemic uncertainty from the seismic hazard model.

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 enseignants0,048
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,019
Tête enseignante GPT0,256
Écart entre enseignants0,237 · 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

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Disaster Risk ScienceMême sujetSeismic Performance and AnalysisTravaux en français237 207