MétaCan
Menu
Retour à la cohorte
Enregistrement W7115700202 · doi:10.71846/18-wcee-2296

SEATTLE CITY LIGHT SEISMIC RESILIENCY PROGRAM - STRATEGIES, CHALLENGES, AND OPPORTUNITIES

2025· article· en· W7115700202 sur OpenAlexaboutno aff

Notice bibliographique

RevueWorld Conference of Earthquake Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNatural disasterSeismic riskService (business)Event (particle physics)BoomWest coastElectric powerFault (geology)

Résumé

récupéré en direct d'OpenAlex

Earth scientists estimate that in the next fifty years there roughly a one-in-three chance that the worst natural disaster in America -an earthquake with magnitude of 8.0 or higher- will occur off the northwest coast of the country. When the 700-mile subduction zone suddenly releases energy, communities from Canada to California will experience various levels of devastation. Historical records corroborate that many megathrust events have occurred in the past and that the next one is overdue. In addition, as stress continue to build up along the fault line, the risk of such event will continue to increase. During the last decade, West Coast electric utility company Seattle City Light (SCL) has been preparing itself to provide quick rebound following such an event and minimize service disruptions to their nearly one million customers. Strategic actions by SCL include seismic strengthening of old and vulnerable substations, use of control devices and qualified equipment, base isolation of high voltage transformers, installation of dampers on switchyard electric infrastructure, and the implemented modern seismic protection practices both in design and construction. As described in this paper, SCL infrastructure resiliency program is strategic, cost effective and simple. Other utility companies serving in regions of high seismic risk may find SCL knowledge and experience useful to avoid long-term power outages resulting from ground shaking.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,036
Tête enseignante GPT0,237
Écart entre enseignants0,201 · 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'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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Conference of Earthquake EngineeringMême sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207