MétaCan
Menu
Retour à la cohorte
Enregistrement W2963175772 · doi:10.1785/0120190005

Generating Drift‐Free, Consistent, and Perfectly Spectrum‐Compatible Time Histories

2019· article· en· W2963175772 sur OpenAlexaff
Lanlan Yang, Wei‐Chau Xie, Weiya Xu, B. L. Ly

Notice bibliographique

RevueBulletin of the Seismological Society of America · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésEigenfunctionEigenvalues and eigenvectorsAccelerationDisplacement (psychology)Mathematical analysisMathematicsPhysicsClassical mechanicsQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Abstract The focus of this article is on generating spectrum‐compatible acceleration, velocity, and displacement time histories for seismic analysis and design of engineering structures. If a generated acceleration time history is integrated to obtain the corresponding velocity and displacement time histories, it has been found that there are usually drifts in the resulting processes. Such drifts are due to overdeterminacy in the constants of integration. Baseline correction, although widely used, is not a suitable remedial measure to remove drift because it distorts the frequency content and renders the corrected processes no longer mutually consistent. The objective of this article is to develop an efficient and accurate method for generating drift‐free, consistent, and spectrum‐compatible time histories, which are essential properties for these time histories to be used as seismic input in time history analysis. To ensure drift‐free and consistent behavior, the eigenfunction method is applied to expand the time histories in eigenfunctions of a sixth‐order ordinary differential eigenvalue problem. The influence matrix method considering the influence of one frequency component on all others is capable of achieving perfect spectrum compatibility which has never been accomplished.

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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

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 technologies0,0000,000
Communication savante0,0000,001
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 Opus0,005
Tête enseignante GPT0,174
Écart entre enseignants0,169 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the Seismological Society of AmericaMême sujetSeismic Performance and AnalysisTravaux en français237 207