Earthquake Scenarios for Seismic Performance Assessment of Essential Facilities: Case Study of Fire Stations in Montreal
Notice bibliographique
Résumé
Post-earthquake fires are typically of great concern for fire protection services, which are expected to be in high demand immediately after a strong earthquake. The post-earthquake functionality of fire stations is necessary after strong earthquakes to reduce potential fire damage and improve emergency services. A reliable assessment of the seismic vulnerability and expected damage for fire stations is therefore a necessary step towards the identification of the most vulnerable structures and the prioritization of seismic retrofit activities. This article presents the development of a methodology for the damage assessment of fire stations based on earthquakes scenarios. The framework is based on four models: seismic hazard, inventory, fragility and impact. The seismic hazard model represents ground shaking in terms of intensity measure at each station using a ground motion prediction equation for Eastern Canada. The inventory model categorizes all the fire stations in building classes based on construction material and seismic code level. The fragility model associates building classes with fragility functions that provide the relationship between intensity measure and expected damage probabilities. The impact model converts damage probabilities into a mean damage state. All Montreal fire stations were selected as case study demonstrations. Simulations were conducted by varying the epicenter location and magnitude for a total number of 345 scenarios. Simplified relationships that correlate the earthquake magnitude and expected damage were developed. The study showed that, for magnitude 6 earthquakes, 45% of stations on average would sustain at least moderate damage. The methodology is particularly useful for emergency planning and prioritization of seismic retrofit activities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».