Probabilistic performance‐based optimum design of seismic isolation for a California high‐speed rail prototype bridge
Notice bibliographique
Résumé
Summary Previous comparison studies on seismic isolation have demonstrated its beneficial and detrimental effects on the structural performance of high‐speed rail bridges during earthquakes. Striking a balance between these 2 competing effects requires proper tuning of the controlling design parameters in the design of the seismic isolation system. This results in a challenging problem for practical design in performance‐based engineering, particularly when the uncertainty in seismic loading needs to be explicitly accounted for. This problem can be tackled using a novel probabilistic performance‐based optimum seismic design (PPBOSD) framework, which has been previously proposed as an extension of the performance‐based earthquake engineering methodology. For this purpose, a parametric probabilistic demand hazard analysis is performed over a grid in the seismic isolator parameter space, using high‐throughput cloud‐computing resources, for a California high‐speed rail (CHSR) prototype bridge. The derived probabilistic structural demand hazard results conditional on a seismic hazard level and unconditional, i.e., accounting for all seismic hazard levels, are used to define 2 families of risk features, respectively. Various risk features are explored as functions of the key isolator parameters and are used to construct probabilistic objective and constraint functions in defining well‐posed optimization problems. These optimization problems are solved using a grid‐based, brute‐force approach as an application of the PPBOSD framework, seeking optimum seismic isolator parameters for the CHSR prototype bridge. This research shows the promising use of seismic isolation for CHSR bridges, as well as the potential of the versatile PPBOSD framework in solving probabilistic performance‐based real‐world design problems.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».