Towards accurate ice accretion and galloping risk maps for Quebec: A data-driven approach
Notice bibliographique
Résumé
Ice accretion poses a significant threat to infrastructure and public safety, particularly in regions prone to severe winter weather. Accurate ice accretion hazard mapping is essential for effective risk management and mitigation. While substantial progress has been made in mapping these hazards, most existing ice accretion maps rely on calculated ice accretion values rather than direct measurements, leading to potential inaccuracies. To address these limitations, this study leverages field measurement data from Hydro-Québec's glacimètre network to develop refined ice accretion maps for Quebec. The maximum annual ice accretion thicknesses are extracted, and a rigorous probability distribution fitting analysis is applied to generate 10-, 30-, and 50-year return period values. These values are interpolated using both inverse-distance weighted interpolation (IDWI) and kriging techniques, allowing for a comparative evaluation of interpolation methods. Additionally, galloping risks are assessed using the Performance-Based Ice Engineering (PBIE) framework, producing galloping risk maps for various return periods. By incorporating real-world data and comparing interpolation approaches, this research enhances the accuracy of ice accretion and galloping risk maps, providing more reliable hazard assessments for Quebec's infrastructure. • Development of refined ice accretion maps using field measurements. • Comparison of IDWI and kriging for ice accretion interpolation. • Assessment of galloping risk using the PBIE framework. • Identification of significant spatial variability in ice and galloping risk
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».