MétaCan
Menu
Retour à la cohorte
Enregistrement W1867165248 · doi:10.1139/cjce-2011-0411

Reliability-based load factors for blast design

2013· article· en· W1867165248 sur OpenAlexaffvenue
Manuel Campidelli, A. Ghani Razaqpur, S. Foo

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Response to Dynamic Loads
Établissements canadiensPublic Works and Government Services CanadaMcMaster University
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)Explosive materialImpulse (physics)Reliability engineeringPercentileEngineeringComputer scienceStatisticsStructural engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

In this study the concepts of reliability are used to derive blast load factors. First, some objective criteria are proposed for the proper interpretation of pressure data gathered in arena tests. These criteria are applied to the pressure–time histories recorded during field tests involving live explosive detonated in contact with the ground. Three major shock wavefront parameters, including peak pressure, impulse, and positive phase duration are calculated. Next, statistical analysis is performed on these metrics to estimate their probability density functions and goodness-of-fit tests are carried out to gauge the appropriateness of each estimate. Using the best-fitting distribution for each wavefront metric, load factors are derived on the basis of two approaches. The first approach employs the percentiles of the three load metrics, each estimated using the pertinent probability distribution. The second approach uses concepts of reliability and presents load factors for low, medium, and high level of protection. The two sets of load factors are compared and the limitations of each approach are discussed.

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)0,006
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,030
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,009
Tête enseignante GPT0,180
Écart entre enseignants0,171 · 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'étudeSimulation ou modélisation
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

Citations22
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetStructural Response to Dynamic LoadsTravaux en français237 207