MétaCan
Menu
Retour à la cohorte
Enregistrement W7071659209

Statistical analysis of monitoring data for Daniel Johnson dam

2003· dissertation· en· W7071659209 sur OpenAlexaboutno aff

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2003
Typedissertation
Langueen
DomaineEngineering
ThématiqueDam Engineering and Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrincipal component analysisStatistical analysisComponent (thermodynamics)Arch damStatistical modelVisualizationSafety monitoringProcess (computing)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Dam safety is always a high priority issue since failures result in severe property damage and loss of life. Many countries require that all existing dams need to be inspected and evaluated regularly. Monitoring instruments have long been an integral part of the dam safety process by providing information for detailed analyses as well as for monitoring the current condition of dams. In this thesis, statistical models are used to infer behavior characteristics of a multiple arch dam. First, a statistical model known as the Hydrostatic-Season-Time (H-S-T) model is fitted to each individual displacement component from pendulum data for the Daniel Johnson Dam, a multiple arch concrete dam located in Northern Quebec. Principal component analysis (PCA) was used with the data from pendulums. A modified PCA analysis was also performed after removing thermal effects. A C++ language program (DASOD) was developed for the estimation of the H-S-T model, visualization of results, and data preparation for the principal component analysis. (Abstract shortened by UMI.)

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,648
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,269
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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations1
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetDam Engineering and SafetyTravaux en français237 207