MétaCan
Menu
Retour à la cohorte
Enregistrement W2407812974 · doi:10.21012/fc9.014

Probabilistic evaluation of concrete strains for assessing prestressing loss in nuclear containment segments

2016· article· en· W2407812974 sur OpenAlexafffundabout
Georgios P. Balomenos, Mahesh D. Pandey

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Response to Dynamic Loads
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity Network of Excellence in Nuclear Engineering
Mots-clésContainment (computer programming)Probabilistic logicComputer scienceReliability engineeringForensic engineeringStructural engineeringEnvironmental scienceNuclear engineeringEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The main function of the nuclear containment structure is to prevent any radioactive leakage to the environment.The Canadian Standard Association (CSA) provides guidelines for the periodic inspection of the containment prestressed system.However, these inspections are not possible to assess directly the condition of the bonded tendons.Thus, the main objective of this research is to investigate if concrete strain measurements, obtained during inspections, can be used for evaluating the prestressing loss of these bonded systems.First, the fracture energy approach is applied for modelling the tensile strength of the concrete, using the concrete damage plasticity model.The finite element analysis (FEA) results are in good agreement compared to the test results, indicating the accuracy of the adopted modeling approach.Then, probabilistic analysis is applied, since the measured concrete strains are expected to have a distribution due to several uncertainties.The results indicate that the prestressing loss of bonded tendons seems to affect the concrete strain distribution.The proposed probabilistic framework can be used as an approach for estimating the magnitude of the prestressing loss, during periodic inspections.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,295
Écart entre enseignants0,268 · 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

Citations0
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetStructural Response to Dynamic LoadsTravaux en français237 207