MétaCan
Menu
Retour à la cohorte
Enregistrement W2949378451 · doi:10.35453/nedjr-stmech-2019-0009

SEISMIC RETROFIT OF NONDUCTILE REINFORCED CONCRETE FRAME AND MASONRY BUILDINGS

2019· article· en· W2949378451 sur OpenAlexaffabout
Murat Saatçioğlu

Notice bibliographique

RevueNED University Journal of Research · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésSeismic retrofitMasonryRetrofittingBracingBridge (graph theory)Reinforced concreteStructural systemFrame (networking)Vulnerability (computing)Civil engineeringShear wallSeismic loadingSeismic riskInfillEngineeringStructural engineeringForensic engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

A large proportion of existing building and bridge infrastructure across the world consists of seismically deficient non-ductile structural systems. Performance of structures during recent earthquakes have demonstrated seismic vulnerability of these systems, the majority of which were designed prior to the enactment of modern seismic codes, though some were designed more recently in areas where code enforcement provides challenges. These structures constitute considerable seismic risk, especially in large metropolitan centres. Because it is economically not feasible to replace a large segment of seismically deficient infrastructure with new and improved systems, retrofitting existing structures remains to be a viable seismic risk mitigation strategy. The objective of this paper is to highlight seismic retrofit strategies for deficient building and bridge infrastructures, with emphasis on experimental and analytical research conducted at the University of Ottawa. The retrofit strategies consist of structural upgrades at the system level, as well as at the element level. Non-ductile reinforced concrete frame retrofits, in the form of lateral bracing techniques, and concrete column and masonry wall retrofit methodologies are discussed. The use of innovative materials and techniques are presented.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,015
Tête enseignante GPT0,246
Écart entre enseignants0,231 · 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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNED University Journal of ResearchMême sujetSeismic Performance and AnalysisTravaux en français237 207