MétaCan
Menu
Retour à la cohorte
Enregistrement W3124860393 · doi:10.1061/(asce)st.1943-541x.0002960

Contribution of Partition Walls in Lateral Load–Resisting Systems of Low-Rise Light Wood Frame Buildings

2021· article· en· W3124860393 sur OpenAlexaff
Jan Niederwestberg, Hossein Daneshvar, Ying Hei Chui, Zhiyong Chen

Notice bibliographique

RevueJournal of Structural Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensFPInnovationsUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésShear wallStructural engineeringPartition (number theory)StiffnessFinite element methodStructural loadStructural systemTrussEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Prescriptive design is a common practice in North America for low-rise light wood frame buildings. The prescriptive wood-based shear wall details provided in building codes to resist lateral loads were largely derived based on a combination of historical performance and engineering analysis. Inherent within the historical performance assumption is the presence of certain elements such as internal partitions that contribute to direct load resistance and structural redundancy. This inherent assumption is sometimes challenged by design engineers and proponents of alternative lateral load–resisting systems. In an attempt to showcase the contributions of the partition walls, a number of archetypes with various quantities of partitions were analyzed using a finite-element program. In the finite-element models, the wood-based structural shear walls and partition walls with gypsum wallboard were modeled as macroelements, with mechanical properties obtained from previous tests. Assumptions were made for the diaphragm and connection stiffness values. The results show a significant contribution of the partition walls to the lateral load resistance of light wood frame buildings. Partition walls accounted for 55%–71% of the overall lateral resistance of the evaluated buildings. Furthermore, diaphragms and wall-to-diaphragm connections contribute significantly to the overall behavior of the structures.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

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 technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,005
Tête enseignante GPT0,182
Écart entre enseignants0,178 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

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