MétaCan
Menu
Retour à la cohorte
Enregistrement W2732294592 · doi:10.1193/091816eqs153m

Empirical Damage Relationships and Benefit‐Cost Analysis for the Seismic Retrofit of URM Buildings

2017· article· en· W2732294592 sur OpenAlexaffabout
Brandon Paxton, Kenneth J. Elwood, Jason Ingham

Notice bibliographique

RevueEarthquake Spectra · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensRead Jones Christoffersen (Canada)
Organismes subventionnairesU.S. Geological SurveyNational Institute of Standards and Technology
Mots-clésBracingMasonrySeismic retrofitUnreinforced masonry buildingForensic engineeringEngineeringSeismic hazardSeismic riskCivil engineeringDowntownPedestrianRetrofittingGeographyReinforced concreteStructural engineeringArchaeology

Résumé

récupéré en direct d'OpenAlex

Benefit‐cost analyses for the seismic retrofit of unreinforced masonry (URM) buildings in downtown Victoria, British Columbia, Canada, were undertaken, considering the seismic hazard, building value, occupant/pedestrian exposure, a variety of strengthening measures, and local construction costs. The analyses are underpinned by building motion‐damage relationships developed based on observed damage in past earthquakes in California and New Zealand. The considered upgrading measures ranged from parapet bracing to comprehensive seismic upgrades consistent with local practices. Parapet bracing and other partial retrofits were shown to have favorable benefit‐cost ratios and thus be strong candidate measures for risk mitigation programs. Full upgrades were shown to have less favorable benefit‐cost ratios. While applied to Victoria, the generality of the methodology and the use of observed damage data from California and New Zealand make the findings of this study particularly relevant for similar locations throughout the Pacific Northwest and abroad.

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)0,003
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,034
Tête enseignante GPT0,271
Écart entre enseignants0,236 · 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'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

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEarthquake SpectraMême sujetSeismic Performance and AnalysisTravaux en français237 207