MétaCan
Menu
Retour à la cohorte
Enregistrement W2918280921 · doi:10.2749/vancouver.2017.0699

Prediction of Post-Earthquake Damage of Reinforced Concrete Highway Bridges

2017· article· en· W2918280921 sur OpenAlexaffabout
Ahmad Abo El Ezz, Marie‐José Nollet, Miroslav Nastev

Notice bibliographique

RevueReport · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensGeological Survey of CanadaNatural Resources CanadaÉcole de Technologie SupérieureUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésFragilityBridge (graph theory)Spectral accelerationStructural engineeringProbabilistic logicAccelerationReinforced concreteIncremental Dynamic AnalysisDisplacement (psychology)Vulnerability (computing)Measure (data warehouse)Computer scienceEngineeringSeismic analysisPeak ground accelerationPhysicsData mining

Résumé

récupéré en direct d'OpenAlex

<p>The prediction of earthquake damage to highway bridges is essential for informed decision on the post-earthquake bridge functionality. This paper presents a simplified method based on the development of fragility functions of typical reinforced concrete highway bridges and its validation. The concept of fragility functions represents a probabilistic relationship between the seismic intensity measure IM (e.g. spectral acceleration) and the degree of bridge damage. Median IMs of the fragility functions for the assumed damage states are developed using closed-form relationships based on the capacity spectrum method for seismic demand assessment. For each damage state, these relationships correlate the displacement threshold to the corresponding median IMs in terms of the input spectral acceleration at 1.0 sec. The simplified fragility assessment method was validated with dynamic analyses of an existing three span continuous girder reinforced concrete bridge in Quebec. The method revealed particularly useful for rapid vulnerability evaluation of a portfolio of bridges.‌</p>

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,571
Score d'incertitude au seuil0,234

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 Opus0,016
Tête enseignante GPT0,227
Écart entre enseignants0,211 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReportMême sujetSeismic Performance and AnalysisTravaux en français237 207