MétaCan
Menu
Retour à la cohorte
Enregistrement W2748219493 · doi:10.1061/(asce)cf.1943-5509.0001079

Impact of Seismicity on Performance and Cost of RC Shear Wall Buildings in Dubai, United Arab Emirates

2017· article· en· W2748219493 sur OpenAlexaff
Mohammad AlHamaydeh, Nader Aly, Khaled Galal

Notice bibliographique

RevueJournal of Performance of Constructed Facilities · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésInduced seismicitySeismic hazardShear wallDamagesEngineeringCost reductionDowntimeSeismologyGeotechnical engineeringStructural engineeringForensic engineeringCivil engineeringGeologyReliability engineering

Résumé

récupéré en direct d'OpenAlex

Unfortunately, available probabilistic seismic hazard studies are reporting significantly varying estimates for seismicity of Dubai. Given Dubai’s rapid economic growth, it is crucial to assess the impact of the diverse estimates on the performance and cost of buildings. This research investigates and quantifies the impact of the high and moderate seismicity estimates of Dubai on the seismic performance and construction and repair costs of buildings with 6, 9, and 12 stories. The reference buildings are made up of reinforced concrete with special shear walls as their seismic force–resisting system. The seismic performance is investigated using nonlinear static and incremental dynamic analyses. Construction and repair costs associated with earthquake damages are evaluated to quantify the impact. Results showed that designing for higher seismicity yields significant enhancement in overall structural performance. In addition, the higher seismicity estimate resulted in slight increase in initial construction cost. However, the increase in initial investment is outweighed by significant enhancements in seismic performance and reduction in earthquake damages. This resulted in overall cost savings when reduction in repair and downtime costs are considered.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,237
Écart entre enseignants0,224 · 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

Citations24
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Performance of Constructed FacilitiesMême sujetSeismic Performance and AnalysisTravaux en français237 207