MétaCan
Menu
Retour à la cohorte
Enregistrement W7008145607

Approche intégrée d’évaluation du risque sismique d’un réseau municipal de ponts

2020· other· fr· W7008145607 sur OpenAlexaffabout

Notice bibliographique

RevueEspace École de technologie supérieure (École de technologie supérieure) · 2020
Typeother
Languefr
Domaine
Thématique
Établissements canadiensNational Capital Commission
Organismes subventionnairesnon disponible
Mots-clésStatistical analysisWestern europeUrban environment
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Dans des régions qui sont sujettes aux tremblements de terre, les dommages aux ponts peuvent entrainer une perte de fonctionnalité du réseau routier. Par conséquent, l’évaluation du risque sismique des ponts est cruciale pour établir des stratégies d’intervention et rétablir les réseaux routiers afin d’assurer le maintien des services essentiels, tels que l’accès aux hôpitaux et l’acheminement des secours. Néanmoins, pour créer un système de gestion efficace et performant et optimiser le processus décisionnel, il est important d’étudier l’impact de scénarios sismiques sur l’état du réseau et sur les pertes économiques. L’objectif de cette recherche est de générer des scénarios sismiques pour évaluer les impacts économiques et les incertitudes relatives aux différents modèles d’intrants sur un réseau de ponts. Quatre étapes sont proposées. La première étape consiste à interpréter un modèle d’aléa sismique qui génère une distribution spatiale de l'intensité de tremblement de terre pour différents scénarios sismiques. Une analyse de régression est effectuée sur des équations de prédiction du mouvement du sol compatibles avec l’Est du Canada, pour obtenir une relation entre l’accélération maximale au sol et l’emplacement de chaque pont. En se basant sur le code canadien sur le calcul des ponts routiers, les résultats sont corrigés au moyen des coefficients d’amplification pour prendre en compte l’effet d’amplification des ondes sismiques au site. La deuxième étape est de construire un inventaire des ponts selon des classes définies en fonction des matériaux de construction et des systèmes structuraux. Une analyse statistique est réalisée sur chaque classe de ponts pour examiner les différents paramètres contribuant à la vulnérabilité sismique. La troisième étape est d’évaluer la performance sismique des ponts en termes de probabilités des dommages, et cela selon des données de fragilités spécifiques, respectives aux différentes classes, et qui sont basées sur des analyses dynamiques. La dernière étape utilise les résultats de l’étape précédente pour définir un modèle d’impact permettant d’estimer l’état probable de dommage, le coût de réparation, la priorité d’inspection et ainsi l’état probable du trafic routier. Les résultats des scénarios sismiques reflètent l’importance de considérer la magnitude 5,0 dans l’évaluation de dommages et, indiquent que l’écart type du rapport d’endommagement peut largement influencer l’estimation de pertes économiques. Ces données sont ensuite intégrées dans une interface utilisateur simple pour développer une évaluation rapide du risque sismique, évaluer les incertitudes épistémiques et visualiser les résultats sur une plateforme de système d'information géographique. Différents modèles d’entrée sont considérés : trois modèles d’aléa sismique, trois modèles de fragilité et deux modèles d’impacts. Une analyse de sensibilité effectuée avec un scénario de magnitude 6,0, pour les ponts à travées multiples, révèle que l’estimation des pertes économiques est très sensible à la variation de ces différents modèles, où l’augmentation du coût de réparation prévu peut atteindre jusqu’à 760 %

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)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,022
Tête enseignante GPT0,255
Écart entre enseignants0,234 · 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'étudeSimulation ou modélisation
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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEspace École de technologie supérieure (École de technologie supérieure)Travaux en français237 207