Calibration of seismic risk analyses through reanalysis of historical earthquakes An application of Hazus-MH2.1 Canada
Bibliographic record
Abstract
Plus de la moitié de la population du Canada vit dans des régions menacées par le séisme. Des centres urbains comme Vancouver, Montréal et Québec se trouvent dans ces régions à risque sismique important. Bien que de nombreuses études sur la comparaison des pertes sismiques entre les dommages estimés et observés à l'aide de HazUS aient été menées pour les tremblements de terre aux États-Unis (e.g. le séisme du Northridge en 1994 et le séisme du Napa Valley en 2014), peu a été fait dans le contexte canadien. Afin d'étalonner le logiciel de perte sismique HazCan (une version de HazUS adaptée au contexte canadien), une étude comparative est réalisée à partir des données recueillies après les séismes du M5.4 1944 Cornwall et du M6.0 1988 Saguenay, survenus dans l'Est du Canada. Conformément à la méthodologie HazCan, l'ensemble de données régionales par défaut est mis à jour pour chaque analyse sismique. Il comprend la collecte de 1) des données démographiques ajustées à partir du recensement et de la base de données par défaut 2) de l'inventaire des bâtiments à l'année de l'événement et 3) des conditions locales du sol pour tenir compte d'une éventuelle amplification du site. Le manque d'enregistrements sismiques nécessite de tester plusieurs équations de prévision du mouvement du sol pour les deux événements sismiques.Les dommages directs sur les bâtiments résidentiels, les pertes économiques et les estimations des pertes sont comparés à ceux calculés par HazCan. Des paramètres spécifiques sont choisis comme ‘métriques’ pour comparer chaque type de valeurs de dommages et de pertes, et le choix des paramètres est largement influencé par la qualité et la disponibilité des données observées.Les résultats indiquent que HazCAN a tendance à surestimer les dommages et les pertes sur une courte distance épicentrale, environ moins de 30 km. Le degré de surestimation dépend fortement de la précision de la prédiction du mouvement du sol. Dans l'ensemble, l'effet d'amplification du sol calculé à partir de HazCAN correspond à la tendance observée de la distribution des dommages. Les bâtiments en maçonnerie non renforcée s'avèrent avoir les pires performances parmi tous les types de construction. HazCAN a également surestimé le nombre de bâtiments avec un état de dommages complet d'un montant significatif. Certaines recommandations sont fournies pour améliorer l'estimation de HazCAN pour de futures recherches
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".