Impact of parameter selection on seismic loss and recovery time estimates: A variance‐based sensitivity analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Probabilistic models in performance‐based earthquake engineering propagate uncertainties from key input parameters to output performance measures. Although these models integrate important sources of uncertainty, several model parameters are deterministic and remain constant despite the difficulty in defining them with high confidence based on empirical or theoretical arguments. This study employs variance‐based sensitivity analysis to investigate how uncertainty in (1) demands, (2) fragility functions, (3) building replacement consequences and (4) impeding factor delays impact seismic loss and recovery time estimates. The results indicate that the size of modeling uncertainty added to the simulated demand distribution has the most significant impact on the variance in seismic losses at all, but the highest hazard level, that is, 2475‐year. At low hazard levels, that is, 100 and 475 years, the uncertainty in the capacity of structural components (e.g. slab–column connections) and nonstructural components (e.g. elevator) are the main contributors to variance in downtime to re‐occupancy and functional recovery, respectively. At the 2475‐year intensity level, the uncertainty in building replacement cost and replacement time becomes the primary contributor of the variance in the seismic loss and recovery time outputs due to the high probability of irreparable damage. The analyses presented in this article offer valuable insights into which parameters deserve more attention when conducting seismic loss and recovery time assessments.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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