A comprehensive collapse fragility assessment of moment resisting steel frames considering various sources of uncertainties
Notice bibliographique
Résumé
Different sources of uncertainties contribute to the collapse and safety assessment of structures. In this paper, impact of construction quality (CQ) is considered in developing analytical collapse fragility curves for moment resisting steel frames. Furthermore, the interaction of this source of uncertainty with epistemic uncertainty inherent in modeling parameters, due to lack of knowledge and inaccuracy of predictor equations, is investigated. Beam strength, column strength, beam ductility, and column ductility meta-variables are defined as modeling parameters which are being suffered by informal uncertainty. Quadratic equations for the mean and the standard deviation of collapse fragility curves are derived by utilizing response surfaces, which are interpolated to analytically-derived values considering realizations for modeling variables and for various levels of construction quality. To the best of the authors’ knowledge, interaction of modeling and CQ uncertainty in analytical collapse fragility curve has not been considered in previous investigations. A fuzzy rule-based method is applied to employ the effects of uncertainty due to CQ. Using Monte Carlo simulation for the modeling variables and the construction quality index, and subsequently computing response surface coefficients via a fuzzy inference system, and finally deriving collapse fragility curve parameters through response surfaces, result in collapse fragility curves of structures. In developing these curves, different sources of uncertainties are involved, ranging from lexical to informal and stochastic types. It is concluded that neglecting the effects of these sources leads to the underestimation of collapse fragility probability. This shows the importance of considering modeling and construction quality uncertainty effects on collapse fragility curves. It is shown that for a sample moment resisting steel frame collapse probability is increased 53% and 60% for 10% and 2% probability of exceedance in 50 years seismic hazard levels, respectively, while interaction of CQ and modeling uncertainties are considered in comparison with neglecting them. Otherwise, if only modeling uncertainty is involved, this increment is evaluated at 42% and 16%, respectively for the aforementioned probabilities of exceedance.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».