menu.catalogmenu.mapViewermenu.timeSeriesmenu.tools

Curvas de Fragilidad de Redes de Gas y Petróleo

SYNER-G: Systemic Seismic Vulnerability and Risk Analysis for Buildings, Lifeline Networks and Infrastructures Safety Gain

datasetViewer.authorsPreview: Pierre Gehl, Nicolas Desramaut, Arnaud Re´veille`re, Hormoz Modaressi

datasetViewer.description

Esta colección de datos corresponde al capítulo 7: "Fragility Functions of Gas and Oil Networks" de Pierre Gehl, Nicolas Desramaut, Arnaud Re´veille`re y Hormoz Modaressi (SYNER-G: Typology Definition and Fragility Functions for Physical Elements at Seismic Risk). Se obtuvieron curvas de fragilidad para elementos como tanques de almacenamiento y de instalaciones relacionadas. Estas siguen una distribución acumulativa lognormal definida como
$\displaystyle F\left(\text{MI}, \lambda, \beta\right) = \frac{1}{2}\left[ 1 + \text{erf}\left(\frac{\ln{\text{MI}} - \lambda}{\beta\sqrt{2}} \right) \right]$
donde - $\text{MI}$ es la medida de intensidad, definida como la aceleración máxima del suelo (*peak ground acceleration*, PGA) en unidades de ${g}$ - $\lambda$ es el logaritmo natural de la mediana de la medida de intensidad - $\beta$ es un parámetro de ajuste mayor que cero - $\text{erf}$ es la función error de Gauss En la colección se incluyen los estados de daño y referencia de cada una de las curvas definidas.

datasetViewer.preview

datasetViewer.previewCollectionInfo

CódigoDescripciónDescripción [ES]Estados de dañoMedida de Intensidad (MI)DS1 Mediana MIDS1 βDS2 Mediana MIDS2 βDS3 Mediana MIDS3 βDS4 Mediana MIDS4 βReferenciaFunciónDOIReferencia en documento
ID1Tank farm with anchored componentsTanques con componentes ancladosDS1 Leve; DS2 Moderado; DS4 CompletoPGA: Peak ground acceleration (g)0.290.550.50.550.870.5HAZUS (NIBS 2004)Lognormal(MI; λ; β)10.1007/978-94-007-7872-6Table 7.14
ID2Tank farm with unanchored componentsTanques con componentes desancladosDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.120.550.230.550.410.550.680.55HAZUS (NIBS 2004)Lognormal(MI; λ; β)10.1007/978-94-007-7872-6Table 7.14
ID3Greek compression plants: Anchored components; low-rise RC building (advanced code)Plantas de compresión griega: componentes anclados; edificio RC de baja altura (código avanzado)DS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.30.70.550.450.80.52.20.7SRM-LIFE (2003–2007)Lognormal(MI; λ; β)10.1007/978-94-007-7872-6Table 7.15
ID4Pumping plants: Anchored componentsPlantas de bombeo: componentes ancladosDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.150.750.340.650.770.651.50.8HAZUS (NIBS 2004)Lognormal(MI; λ; β)10.1007/978-94-007-7872-6Table 7.16
ID5Pumping plants: Unanchored componentsPlantas de bombeo: componentes desancladosDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.120.60.240.60.770.651.550.8HAZUS (NIBS 2004)Lognormal(MI; λ; β)10.1007/978-94-007-7872-6Table 7.16

datasetViewer.download

datasetViewer.download1 datasetViewer.here. datasetViewer.download3

datasetViewer.programaticAccess

datasetViewer.programaticAccess1 itrend-ds:A78756BE9438FF6

datasetViewer.programaticAccess2 Código

datasetViewer.programaticAccess3 datasetViewer.programaticAccess4 datasetViewer.programaticAccess5 datasetViewer.here

```python import pytrend import pandas as pd session = pytrend.itrend_developer_tools() session.set_credentials( access_key_id = '', # Ingresa tu access_key_id secret_access_key = '' # Ingresa tu secret_access_key ) # Conjunto de datos dataset_id = 'itrend-ds:A78756BE9438FF6' collection_id = 'Código' # Obtener formatos disponibles dataset_formats = session.get_dataset_formats(dataset_id) fmt = dataset_formats[0] # Escoger el formato que más le acomode: dataset_formats = [csv] # Descargar archivo response = session.download_file(dataset_id, fmt) # Descargar un elemento filename = response.get('filename') delimiter = response.get('delimiter') df = pd.read_csv(filename, delimiter) element_formats = session.get_element_formats(dataset_id) efmt = element_formats[0] # Escoger el formato que más le acomode: element_formats = [csv, npz, mat] for r, row in df.iterrows(): element_id = row[collection_id] element_response = session.download_file(dataset_id, efmt, element_id) break ```

datasetViewer.attribution

datasetViewer.attributionMessage1

datasetViewer.attribution1 SYNER-G: Systemic Seismic Vulnerability and Risk Analysis for Buildings, Lifeline Networks and Infrastructures Safety Gain, «Curvas de Fragilidad de Redes de Gas y Petróleo». datasetViewer.attribution2

datasetViewer.attributionMessage2

datasetViewer.attribution3 SYNER-G: Systemic Seismic Vulnerability and Risk Analysis for Buildings, Lifeline Networks and Infrastructures Safety Gain («Curvas de Fragilidad de Redes de Gas y Petróleo»), datasetViewer.attribution4

datasetViewer.permanentLink

datasetViewer.permanentLinkDescription

https://www.plataformadedatos.cl/datasets/es/A78756BE9438FF6

datasetViewer.metadata

datasetViewer.noMetadata