MétaCan
Menu
Retour à la cohorte
Enregistrement W3105830386 · doi:10.1061/(asce)ae.1943-5568.0000445

Structural Repair of Fire-Damaged Glulam Timber

2020· article· en· W3105830386 sur OpenAlexaff
Bronwyn Chorlton, John Gales

Notice bibliographique

RevueJournal of Architectural Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésEngineeringStiffnessForensic engineeringStructural engineeringPoint (geometry)Structural failureControl (management)Architectural engineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Engineered timber is being used to create increasingly taller structures, with building codes adapting to reflect this drive. While these structures continue to become more common, there has been little investigation into the possibility of repairing fire-damaged timber structural members, leaving practitioners with little guidance in the event of a fire and insurance companies with little information to assess risk. The research herein attempted to repair fire-damaged timber members by removing damaged portions of the timber and replacing them with new timber panels secured with structural screws. Members were loaded in four-point bending, and the findings concluded that the members were able to regain a significant amount of stiffness compared to the control members and on average deflected 19% less than they did prior to repair. The repaired members were not able to reach full strength, however, failing at a load ranging from 49% to 66% of the failure load of the control members. This indicates the need to further examine possible alterations that may improve this repair procedure to the point where composite action is fully enabled and a larger portion of the original strength is recovered. A hypothetical cost analysis based on this repair procedure was provided herein, aiming to help direct several research gaps to be addressed in order to enable the repair of fire-damaged timber.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,011
Tête enseignante GPT0,176
Écart entre enseignants0,165 · 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'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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Architectural EngineeringMême sujetWood Treatment and PropertiesTravaux en français237 207