Gradient-based design robustness measure for robust geotechnical design
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents a gradient-based robustness measure for robust geotechnical design (RGD) that considers safety, design robustness, and cost efficiency simultaneously. In the context of robust design, a design is deemed robust if the system response of concern is insensitive, to a certain degree, to the variation of noise factors (i.e., uncertain geotechnical parameters, loading parameters, construction variation, and model biases or errors). The key to a robust design is a quantifiable robustness measure with which the robust design optimization can be effectively and efficiently implemented. Based on the developed gradient-based robustness measure, a robust design optimization framework is proposed. In this framework, the design (safety) constraint is analyzed using advanced first-order second-moment (AFOSM) method, considering the variation in the noise factors. The design robustness, in terms of sensitivity index (SI), is evaluated using the normalized gradient of the system response to the noise factors, which can be efficiently computed from the by-product of AFOSM analysis. Within the proposed framework, robust design optimization is performed with two objectives, design robustness and cost efficiency, while the design (safety) constraint is satisfied by meeting a target reliability index. Generally, cost efficiency and design robustness are conflicting objectives and the robust design optimization yields a Pareto front, which reveals a tradeoff between the two objectives. Through an illustrative example of a shallow foundation design, the effectiveness and significance of this new robust design approach is demonstrated.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle