MétaCan
Menu
Retour à la cohorte
Enregistrement W646141973

Iowa's Proactive Approach to Bridge Scour Monitoring

2006· article· en· W646141973 sur OpenAlexvenueno aff
David Claman, Dena M Gray-Fisher

Notice bibliographique

RevueBridges Conversations in Global Politics and Public Policy · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRiprapBridge scourPierBridge (graph theory)HydraulicsEngineeringFlood mythChannel (broadcasting)Geotechnical engineeringDebrisForensic engineeringCivil engineeringGeology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Scour, which is the result of the erosive action of flowing water excavating and carrying away material from the bed and banks of streams and from around the piers and abutments of bridges, is the most common cause of bridge failure. The structural instability and undermining caused by scouring are affected by factors such as channel and bridge geometry, floodplain characteristics, flow hydraulics, bed material, channel protection and stability, riprap placement, and ice formation and debris. Directing its attention to the scour problem, the Federal Highway Administration issued a Technical Advisory in 1988 and again in 1991, revisiting the National Bridge Inspection Standards to require evaluation of all bridges for susceptibility to damage resulting from scour. Of special concern were scour-critical bridges, or those bridges that could experience catastrophic failure or become structurally unstable as a result of excessive scour caused by a destructive flood event. Over the past 4 years, the Iowa Department of Transportation has devoted significant time to evaluating the bridges under its jurisdiction and assigning scour-classification codes to them. This article discusses the scour evaluation of Iowa's 2,100 waterway bridges, 180 of which have been classified as scour-critical, and the scheduled hydraulic and structural construction countermeasures being taken to prevent their catastrophic failure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,205

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,017
Tête enseignante GPT0,261
Écart entre enseignants0,243 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBridges Conversations in Global Politics and Public PolicyMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207