MétaCan
Menu
Retour à la cohorte
Enregistrement W4405462869 · doi:10.1061/9780784485804.ch3

Impact of Climate Change on Infrastructure Performance

2024· book-chapter· en· W4405462869 sur OpenAlexaboutno aff
Bruce R. Ellingwood, Paolo Bocchini, Zoubir Lounis, Michel Ghosn, Ming Liu, David Y. Yang, Luca Capacci, Sofia Maria Carrato Diniz, Ning Lin, George C. Tsiatas, Fabio Biondini, John van de Lindt, Dan M. Frangopol, Mitsuyoshi Akiyama, Yue Li, Michele Barbato, Hanping Hong, Therese P. McAllister, Γεώργιος Τσάμπρας, Farshid Vahedifard

Notice bibliographique

RevueAmerican Society of Civil Engineers eBooks · 2024
Typebook-chapter
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTropical and Extratropical Cyclones Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimate changeEnvironmental scienceBusinessGeographyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

This chapter addresses the challenges posed by climate change in structural engineering practice to advance the performance of infrastructure systems through guidelines for recommended code and standard provisions and for best engineering practices for design, rehabilitation and risk management of future climate extremes. Many climate effects in infrastructure systems, such as wildland-urban interface fires, and pluvial flooding are better addressed through zoning or land use regulations than through structural engineering practice. The chapter draws upon recent activities in the United States as well as in Canada under the Climate-Resilient Buildings and Core Public Infrastructure Initiative to develop future climate-based design criteria for the National Building Code of Canada and the Canadian Highway Bridge Design Code . It deals with climate change impacts on community resilience, a topic of urgency in light of increasing losses to infrastructure systems as a result of extreme climate hazards with large geographic footprints and the issuance of PPD-21.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,236
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'étudeAutre devis
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Society of Civil Engineers eBooksMême sujetTropical and Extratropical Cyclones ResearchTravaux en français237 207