MétaCan
Menu
Retour à la cohorte
Enregistrement W2585986551 · doi:10.1193/011416eqs013m

Impact of Earthquake Types and Aftershocks on Loss Assessment of Non‐Code‐Conforming Buildings: Case Study with Victoria, British Columbia

2017· article· en· W2585986551 sur OpenAlexaffabout
Solomon Tesfamariam, Katsuichiro Goda

Notice bibliographique

RevueEarthquake Spectra · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesEngineering and Physical Sciences Research CouncilUC Berkeley College of ChemistryUniversity of Tokyo
Mots-clésAftershockSeismologyGeologyReinforced concreteSubductionResidualBuilding codeEngineeringStructural engineeringTectonicsComputer science

Résumé

récupéré en direct d'OpenAlex

This paper presents a study on the impact of earthquake types (shallow crustal, deep inslab, and megathrust Cascadia interface earthquakes) and aftershocks on loss assessment of non‐code‐conforming reinforced concrete (RC) buildings. The loss assessment is formulated within the performance‐based earthquake engineering framework. The dependency between the maximum and residual inter‐story drift ratios are captured using copulas. Finite‐element models that take into account key hysteretic characteristics of non‐ductile RC frames were adopted and incremental dynamic analysis is utilized to compute collapse risk. The proposed procedure is applied to a set of 2‐, 4‐, 8‐, and 12‐story non‐ductile reinforced concrete frames located in Victoria, British Columbia, Canada. From the results, the aftershock showed marked difference for the 2‐story building. At annual probability of 10 −2 –10 −3 , crustal and inslab events with M w 6.5 to M w 7.5 contributed the most to the loss as these events occur more frequently. At rarer annual probability of 10 −3 –10 −4 , the Cascadia event having M w 8.5 to M w 9.0 is predominant and contributed the most to the loss.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,259
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations14
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEarthquake SpectraMême sujetSeismic Performance and AnalysisTravaux en français237 207