MétaCan
Menu
Retour à la cohorte
Enregistrement W2028003617 · doi:10.1061/(asce)st.1943-541x.0000877

Seismic Retrofit of Steel Moment-Resisting Frames with High-Performance Fiber-Reinforced Concrete Infill Panels: Large-Scale Hybrid Simulation Experiments

2013· article· en· W2028003617 sur OpenAlexaff
Dimitrios G. Lignos, Daniel Moreno, Sarah L. Billington

Notice bibliographique

RevueJournal of Structural Engineering · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésInfillStructural engineeringMoment (physics)DissipationSeismic retrofitFrame (networking)RetrofittingSteel frameEngineeringReinforced concreteMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Recent earthquakes around the world have demonstrated that steel moment-frame buildings designed based on older seismic provisions are seismically deficient. To enhance the seismic performance of these buildings, a new seismic retrofit system has been developed and evaluated experimentally as part of a two-story steel moment-resisting frame, designed in California in the 1980s. The proposed retrofit system consists of high-performance fiber-reinforced concrete (HPFRC) infill panels acting as energy dissipation elements that can be easily replaced after a major earthquake. Through two large-scale hybrid simulation tests of the retrofitted two-story steel moment-resisting frame, it is demonstrated that (1) the proposed retrofit system is effective in terms of reducing the maximum story drift ratios and residual deformations of the retrofitted steel moment resisting frame relative to the predicted bare frame performance, and (2) the structural damage of the retrofitted steel moment-resisting frame is kept minimal because energy dissipation is concentrated in the infill panel retrofit system.

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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,006
Tête enseignante GPT0,202
Écart entre enseignants0,196 · 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

Citations39
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Structural EngineeringMême sujetSeismic Performance and AnalysisTravaux en français237 207