Statistical Analyses and Parametric Study for Reinforced Concrete Beams Strengthened in Flexure with FRPs
Notice bibliographique
Résumé
In this paper, statistical analyses and a parametric study are presented for reinforced concrete beams strengthened in flexure using FRP composites. Five variables are considered in this study; namely, the FRP axial stiffness, concrete strength, steel reinforcement ratio, beam depth, and beam span. We aim to develop statistics-based design equations to predict the debonding load, the flexural capacity of the beam cross-section, the maximum deflection at the debonding load, the ductility index, and the debonding strain level in the FRP laminate. Simplifying these statistical models is then carried out to develop robust design equations. These equations hold an advantage over those available in most code specifications because they account for the effect of interactions between various variables on the predicted quantities. The statistical analyses are primarily based on the response surface methodology (RSM) technique. The proposed models are thus referred to as the RSM models. Proposed design equations are then developed by simplifying the RSM models using Monte Carlo simulations and nonlinear regression analysis. Of the five responses considered in the RSM analysis, only the debonding strain level in FRP laminates is considered in the design equations. The data required for the statistical analysis were obtained from finite element models for beams having different combinations of variables. The statistical analyses are followed by a parametric study to investigate the effect of the above five variables and their interactions on the debonding load and the corresponding debonding strain level in the FRP laminate. This involves comparisons in terms of the debonding strain between the predictions of the proposed equation and those of the ACI, fib, Chinese specifications, and Australian standards.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».