MétaCan
Menu
Retour à la cohorte
Enregistrement W1986439457 · doi:10.1139/l07-062

Rheological modelling of masonry creepThis article is one of a selection of papers published in this Special Issue on Masonry.

2007· article· en· W1986439457 sur OpenAlexafffundvenue
Kyoung‐Kyu Choi, Shelley L. Lissel, Mahmoud Reda Taha

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueMasonry and Concrete Structural Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaBureau of Reclamation
Mots-clésMasonryCreepRheologyMortarStructural engineeringGeotechnical engineeringShrinkageMaterials scienceStress (linguistics)GeologyComposite materialEngineering

Résumé

récupéré en direct d'OpenAlex

In the present study, masonry creep was experimentally investigated. Creep tests were performed on masonry prisms, which were produced using standard fired clay brick and standard Type S mortar. A total of 11 sets of loaded and unloaded masonry specimens were tested under sustained load with three main parameters: stress level, masonry age at loading, and relative humidity. The unloaded prisms compensated for the effects of shrinkage. In this article, the ability of a number of rheological models reported in the literature are examined for their ability to predict masonry creep. Moreover, a new rheological model, one that considers the effect of stress level and masonry age at loading, is proposed. The system parameters of the proposed model were identified using the experimental data. The proposed model was then validated using masonry creep data that was reported by other researchers, but not used in model development. It is shown that the creep behaviour of masonry can be modelled with good accuracy using the proposed rheological model.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,180
Écart entre enseignants0,170 · 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

Citations17
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetMasonry and Concrete Structural AnalysisTravaux en français237 207