MétaCan
Menu
Retour à la cohorte
Enregistrement W2978166610 · doi:10.3390/infrastructures4040062

Modelling and Characterizing a Concrete Gravity Dam for Fragility Analysis

2019· article· en· W2978166610 sur OpenAlexafffundabout
Rocio L. Segura, Carl Bernier, Capucine Durand, Patrick Paultre

Notice bibliographique

RevueInfrastructures · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueDam Engineering and Safety
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCompute Canada
Mots-clésFragilityRandomnessGravity damVulnerability (computing)Vulnerability assessmentIncremental Dynamic AnalysisGeologySeismic analysisEngineeringSeismologyCivil engineeringComputer scienceForensic engineeringStructural engineeringFinite element methodMathematics

Résumé

récupéré en direct d'OpenAlex

Most gravity dams have been designed and built during the past century with methods of analysis that are now considered inadequate. In recent decades, knowledge of seismology, structural dynamics and earthquake engineering has greatly evolved, leading to the evaluation of existing dams to ensure public safety. This study proposes a methodology for the proper modelling and characterisation of the uncertainties to assess the seismic vulnerability of a dam-type structure. This study also includes all the required analyses and verifications of the numerical model prior to performing a seismic fragility analysis and generating the corresponding fragility curves. The procedure presented herein also makes it possible to account for the uncertainties associated with the modelling parameters as well as the randomness in the seismic solicitation. The methodology was applied to a case study dam in Eastern Canada, whose vulnerability was assessed against seismic events with characteristics established by the current safety guidelines.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,204

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,006
Tête enseignante GPT0,199
Écart entre enseignants0,193 · 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

Citations24
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInfrastructuresMême sujetDam Engineering and SafetyTravaux en français237 207