MétaCan
Menu
Retour à la cohorte
Enregistrement W2902834278 · doi:10.1002/stc.2294

Comparison of prediction and measurement techniques for pedestrian-induced vibrations of a low-frequency floor

2018· article· en· W2902834278 sur OpenAlexaff
Niel C. Van Engelen, J.A. Graham

Notice bibliographique

RevueStructural Control and Health Monitoring · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Engineering and Vibration Analysis
Établissements canadiensRowan Williams Davies & Irwin (Canada)University of Windsor
Organismes subventionnairesnon disponible
Mots-clésServiceability (structure)PedestrianVibrationProbabilistic logicEngineeringStructural engineeringComputer scienceTransport engineeringAcousticsArtificial intelligencePhysics

Résumé

récupéré en direct d'OpenAlex

Pedestrian footfalls are often the governing source of vibration on the upper floors of structures. These vibrations may cause discomfort for occupants or interfere with the operation of sensitive equipment. Numerous design guidelines are available to assist structural engineers in achieving vibration serviceability objectives. The current methodology is largely deterministic and does not accurately represent the stochastic nature of pedestrian-induced vibrations or the probability that walkers will generate the predicted response. Statistical analysis is applied to compare long-term vibration measurements in a commercial structure against predictions from relevant guidelines and short-term controlled walking tests. The comparison is used to evaluate the probability that vibration levels predicted by the guidelines and induced through controlled walking tests will be exceeded by typical day-to-day vibrations. The results are important for the development of future fully encompassing probabilistic models of pedestrian-induced vibrations and for aiding architects and engineers in deciding the necessity of potentially costly mitigation measures.

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)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,052
Tête enseignante GPT0,339
Écart entre enseignants0,287 · 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

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStructural Control and Health MonitoringMême sujetStructural Engineering and Vibration AnalysisTravaux en français237 207