Glacially induced stresses and strains in Canada
Notice bibliographique
Résumé
Dataset of finite element (FE) model input files for software Abaqus and rebound stress and strain tensor results in 2.5 km depth. FE_models.zip contains Abaqus input files for 7 different FE models of glacial isostatic adjustment (GIA) in Canada. The GIA models use ice model f0050rn001_2022 with 147 time steps, which is a special version of the well known ICE-6G_C GIA-based reconstruction (Argus et al., 2014; Peltier et al., 2015). It combines University of Toronto Glacial Systems Model simulations of the second generation (2.0) with updated ice physics and simulation of surface hydrology (lakes and rivers) (Stuhne & Peltier, 2016, 2017). The loading files also contain load changes from sea level variations corresponding to global ice load changes on the selected Earth model. There are 7 Earth models with different rheologic structure. Details can be found in the corresponding manuscript (Steffen & Steffen, 2024). results.tar.gz contains the rebound stress and strain tensors in 2.5 km depth in Canada for each time step of a GIA model, resulting in 1029 (147*7) files named "{earth_model_name}_stress_strain_{time_in_1000_years_before_present}.dat". The files contain both the internal coordinates of the model and their corresponding longitude and latitude. Note that the grid is partly irregular as there are model parts which have a finer mesh. The format of the files is:x-coordinate of model in km, y-coordinate of model in km, longitude in degree E, latitude in degree N, GIA stress tensor (S11, S22, S33, S12, S13, S23) in MPa and strain tensor (E11, E22, E33, E12, E13, E23) in strain.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,003 |
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 ».