MétaCan
Menu
Retour à la cohorte
Enregistrement W3025657788 · doi:10.1142/s0219455420500662

Performance Evaluation of Chinese High-Speed Railway Bridges Under Seismic Loads

2020· article· en· W3025657788 sur OpenAlexaff
Xu Xie, T.Y. Yang

Notice bibliographique

RevueInternational Journal of Structural Stability and Dynamics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBridge (graph theory)Structural engineeringSlabStiffnessGirderDeflection (physics)GeologyEngineering

Résumé

récupéré en direct d'OpenAlex

The multi-span simply supported (MSSS) box girder bridge is the most used structural form for the high-speed railway (HSR) in China. In structural design, it is required that the MSSS bridge system has high stiffness and low deflection under the operation loads. With the expansion of the HSR network to regions that are seismically active, the seismic performance of MSSS bridges in these regions is an issue of great concern. In this study, the performance-based earthquake engineering (PBEE) methodology originally developed to quantify the seismic performance of buildings and bridges has been adopted to quantify the seismic performance of the HSR MSSS bridges in China. Typically, a four-span MSSS bridge used in China’s Sichuan–Yunnan HSR lines has been extensively assessed by the PBEE approach. This study is the first of its kind to systematically identify and quantify the damage states, repair actions, repair costs and travel delay losses for China’s HSR MSSS bridge system. The results reveal that the financial loss from the MSSS bridge system is highly dependent on the anchorage capacity of the fixed bearings. Overall, the costs of travel delay outweigh those for structural repair. Most of the financial loss can be attributed to the functional loss of the track-slab components and bearings of the HSR MSSS bridge system.

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)0,001
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 enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,015
Tête enseignante GPT0,250
Écart entre enseignants0,236 · 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

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Structural Stability and DynamicsMême sujetSeismic Performance and AnalysisTravaux en français237 207