MétaCan
Menu
Retour à la cohorte
Enregistrement W2740116941 · doi:10.1115/pvp2017-65301

Resilience of Masonry Systems in Nuclear Power Plants Under Blast Risk

2017· article· en· W2740116941 sur OpenAlexaff
Manuel Campidelli, Wael El‐Dakhakhni, Michael J. Tait, Waleed Mekky

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Response to Dynamic Loads
Établissements canadiensBruce Power (Canada)McMaster University
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Explosive materialMasonryRobustness (evolution)Risk analysis (engineering)HazardReliability engineeringProbabilistic logicNuclear powerComputer scienceEngineeringNuclear power plantCivil engineeringBusiness

Résumé

récupéré en direct d'OpenAlex

The resilience of the built environment to high explosives poses a significant challenge to the professionals tasked with the design of blast resistant facilities. Current standards — including the ASCE 59-11 and CSA S850-12 — fail to address this challenge in design provisions targeting a single parameter of structural performance, while neglecting other key indicators of performance recovery that define the very concept of resilience. In order to investigate their significance in the design process, two resilience parameters known as robustness and rapidity are evaluated for an archetype blast scenario — a nuclear power plant (NPP) featuring reinforced concrete block masonry walls exposed to a blast hazard, namely, the detonation of an explosive charge within an open (outdoor) area of the industrial complex. The adopted methodology integrates resilience–based analysis and probabilistic risk assessment, in order to account for the uncertainties associated with threat (attack likelihood); hazard (attacker’s success likelihood); load input variables — including location, mass, and type of explosive; resistance variables — including material properties and wall geometry; and loss variables — including the costs of repair and replacement. Based on the current analysis, recommendations are made to incorporate resilience metrics in standards for blast protection, so as to foster more resilient industrial facilities.

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)0,003
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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
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 Opus0,007
Tête enseignante GPT0,220
Écart entre enseignants0,213 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStructural Response to Dynamic LoadsTravaux en français237 207