COLLECTION, ASSESSMENT AND REPORTING OF MACROSEISMIC INTENSITY IN CANADA
Notice bibliographique
Résumé
Macroseismic intensity measurements are a fundamental part of seismic event reporting as they provide a severity-based representation of ground shaking. Additionally, inclusion of macroseismic intensity measurements through “Did You Feel It” (DYFI) reports dramatically increases the density of available ground-shaking measurements. Natural Resources Canada (NRCan) has been collecting DYFI data since the 2000s and produces reports for roughly 50 felt seismic events per year. NRCan is working towards incorporating DYFI data from the United States Geological Survey for near-border events. In the past, intensity data has been primarily disseminated in map form, but aggregated reports are now available in JSON format, via the Earthquakes Canada website. As part of the upcoming National Earthquake Early Warning (EEW) System, NRCan will begin to send intensity-based alerts to the public to warn of incoming strong ground motions. NRCan is also expanding its use of reported intensity data to create ShakeMaps to assist with post-earthquake response. In this paper, we will describe NRCan’s current macroseismic intensity data collection methods and identify current and future use cases. Specifically, we will focus on the aggregation methods and applicability of intensity-prediction models in various regions of Canada.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».