MétaCan
Menu
Retour à la cohorte
Enregistrement W2404504846 · doi:10.1080/15732479.2016.1175482

Gaussian process model for maximum and residual drifts of timber-steel hybrid building

2016· article· en· W2404504846 sur OpenAlexaffabout
Solomon Tesfamariam, Jason L. Loeppky, Matiyas A. Bezabeh

Notice bibliographique

RevueStructure and Infrastructure Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensKelowna General HospitalUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPeak ground accelerationResidualStructural engineeringSurrogate modelInfillAccelerationSensitivity (control systems)GaussianEngineeringComputer scienceGround motionStatisticsMathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

The current performance-based building design considers maximum interstorey drift (MISD) ratio as the main structural performance indicator. Observations from past earthquake and reported studies, however, have highlighted that residual interstory drift (RISD) ratio has become an important factor in assessing post-earthquake safety of buildings, and decision in economic feasibility of repair and reconstruction. Improving post-earthquake performance evaluation of buildings enables decision-makers prioritise repair and tag high-risk buildings. The MISD and RISD are subject to uncertainties and have non-linear relation with the input parameters. Thus, in this paper, analytical surrogate model of MISD and RISD ratios are developed using Gaussian process (GP). To show utility of the GP model, a new hybrid building system, cross laminated timber (CLT)–steel moment resisting frame hybrid system, was considered. The hybrid building was design for the seismicity of Vancouver, BC, and meets the current steel design code. For the GP surrogate model, the hybrid building input parameters considered were: infill pattern of the CLT, bracket spacing of the connection between the CLT and steel frame and panel thickness and strength of the CLT. In addition, sensitivity of four ground motion indicators was considered as surrogate input into the GP model: peak ground acceleration, ratio of peak ground acceleration/peak ground velocity, Arias intensity measure and significant duration. In general, the GP model showed good predictive performance of MISD and RISD ratios. In particular, the best predictions were obtained using the ratio of peak ground acceleration/peak ground velocity as a covariate.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 GPT0,239
Écart entre enseignants0,233 · 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

Citations6
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStructure and Infrastructure EngineeringMême sujetStructural Health Monitoring TechniquesTravaux en français237 207