MétaCan
Menu
Retour à la cohorte
Enregistrement W7042953050

Probabilistic Modelling of Soil Shear Strength by Maximum Entropy Quantile Functions

2023· article· en· W7042953050 sur OpenAlexafffundabout

Notice bibliographique

RevueTrinity's Access to Research Output (TARA) (Trinity College Dublin) · 2023
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueProbabilistic and Robust Engineering Design
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of CanadaNorthwestern University
Mots-clésQuantilePrinciple of maximum entropyProbability density functionQuantile functionCumulative distribution functionAkaike information criterionLog-normal distributionProbability distributionRandom variable
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The 1990 Nipigon River landslide that occurred north of the township of Nipigon, northwestern Ontario, is listed among the catastrophic landslides in Canada. Since 1990, many additional landslides of various scale and consequence have occurred in the Nipigon River area. To investigate the mechanism behind initiation of these landslides, a series of soil sampling and laboratory soil direct shear testing were conducted to measure the shear strength of watershed soils (cohesion and the angle of friction). Given that the shear strengths exhibit high variability (and hence uncertainty), they are amenable to a comprehensive probabilistic treatment. Conventionally, random variables are characterized using a probability density function or a cumulative distribution function; the type of function is usually determined from histograms and from the classical distributions such as normal and lognormal distributions, and the distribution parameters are estimated using the method of moments or the method of maximum likelihood. This paper proposes a novel probabilistic method to model soil properties using quantile functions, based on fractional probability-weighted moments, principle of maximum entropy, and Akaike information criterion. The quantile function is a counterpart to distribution functions of a random variable since the quantile function is mathematically the inverse cumulative distribution function. The maximum entropy method is presented to generate unbiased quantile functions for measured soil properties. The use of the fractional probability-weighted moments facilitates more accurate quantification of soil uncertainties by the entropy-based quantile functions than the probability density or cumulative distribution functions. Akaike information criterion is then used to locate the optimal order of maximum entropy quantile functions. Maximum entropy quantile distributions are compared to the traditional quantile distributions to evaluate their performance. The analytical entropy quantile distribution obtained can be used in probabilistic reliability analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,023
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,238
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0170,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,016
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0050,002
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,355
Tête enseignante GPT0,427
Écart entre enseignants0,073 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTrinity's Access to Research Output (TARA) (Trinity College Dublin)Même sujetProbabilistic and Robust Engineering DesignTravaux en français237 207