MétaCan
Menu
Retour à la cohorte
Enregistrement W3164753589 · doi:10.1186/s43251-021-00036-9

Effect of bonding or unbonding on seismic behavior of bridge elastomeric bearings: lessons learned from past earthquakes in China and Japan and inspirations for future design

2021· article· en· W3164753589 sur OpenAlexaff
Nailiang Xiang, Yoshiaki Goto, M. Shahria Alam, Jianzhong Li

Notice bibliographique

RevueAdvances in Bridge Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésBridge (graph theory)Bearing (navigation)ElastomerStructural engineeringSeismic loadingEngineeringForensic engineeringMaterials scienceComputer scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Economical laminated elastomeric bearings are well-adopted options for load transmission components of bridges from superstructure to substructure. In most cases, the design of such elastomeric bearings primarily depends on the requirements from service-level conditions such as superstructure thermal movements, with little consideration of extreme loads like earthquakes. However, bridge elastomeric bearings are very likely to be subjected to earthquake hazards, particularly for bridges located in high seismic regions. This study presents an overview of the observed typical damages of bridge elastomeric bearings in the past major earthquakes mainly in China and Japan. Comparisons of different damage patterns are conducted based on the different installations of bridge elastomeric bearings (bonding or un-bonding). The effect of bearing installation methods on the overall seismic behavior of bridges is also discussed. A desirable installation method for bridge elastomeric bearings against strong earthquake loads is recommended, which is expected to overcome the critical limitations of current design practice.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,261
Score d'incertitude au seuil0,820

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,272
Écart entre enseignants0,256 · 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 tête enseignante, 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

Citations33
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Bridge EngineeringMême sujetSeismic Performance and AnalysisTravaux en français237 207