A resilience evaluation method for multi‐hazard domino‐effect accidents in chemical industry parks considering safety barriers
Notice bibliographique
Résumé
Abstract The concentration of chemical enterprises in chemical industry parks (CIPs) has led to the accumulation of hazardous chemical risks, frequent multi‐hazard coupling accidents, and escalation of domino effects. Existing evaluation methods struggle to characterize the interrelations between hazards, adaptability, and recovery characteristics. This work proposes a resilience‐assessment method for multi‐hazard coupling domino‐effects accidents in CIPs, considering safety barriers to fill these gaps. First, multi‐hazard coupling scenarios are identified by integrating the temporal clustering and spatial aggregation features of hazards. Second, the hazard disruption‐system feedback response mechanism is analyzed to establish a quantitative resilience model for CIPs. Third, the probabilities of multi‐hazard interactions and domino‐effect escalation are quantified to evaluate the influence of safety barriers on accident occurrence probabilities. Finally, case simulations are conducted to compare the impacts of different safety‐barrier configurations on resilience, providing recommendations for optimizing safety barriers in CIPs. Results indicate that the effectiveness of safety barriers significantly influences the strength of system adaptability and recovery capabilities in multi‐hazard coupling domino‐effect scenarios. Their performance directly affects the trough depth and recovery slope of the system‐performance curve.
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 | 0,010 | 0,031 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».