Story‐by‐story estimation of the stiffness parameters of laterally‐torsionally coupled buildings using forced or ambient vibration data: I. Formulation and verification
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
SUMMARY A new parameter estimation algorithm is described for identifying the stiffness properties of torsionally coupled shear buildings from their linear response due to ambient excitations or during low‐amplitude forced‐vibration tests. The algorithm is based on the time‐domain equations of motion, and yields estimates of the stiffness properties using a measure of the equilibrium of forces acting on each floor over a time interval. The banded structure of the stiffness matrix — a property intrinsic to torsion‐shear buildings — is exploited to decompose the initial inverse problem into several problems of reduced size. This decomposition allows the identification of lateral and torsional stiffnesses of individual stories, independent of the others. The algorithm utilizes vibration data where input excitation is known/measured, which is typical for forced‐vibration tests and earthquakes. If the ambient vibrations of the structure are adequately uncorrelated to the (unknown) external forces that induce such vibrations, then the algorithm can also be modified for output‐only system identification. The proposed algorithm is verified — and its various attributes are investigated — using simulation data from the ‘Analytical Phase I’ of the IASC (International Association for Structural Control)‐ASCE (American Society of Civil Engineers) benchmark studies. The companion article is devoted to the algorithm's application to experimental data, using data from the ‘Experimental Phase’ of the same benchmark studies. Copyright © 2011 John Wiley & Sons, Ltd.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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