CO2 Emission Optimization of Concrete-Filled Steel Tubular Rectangular Stub Columns Using Metaheuristic Algorithms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Concrete-filled steel tubular (CFST) columns have been assiduously investigated experimentally and numerically due to the superior structural performance they exhibit. To obtain the best possible performance from CFST columns while reducing the environmental impact, the use of optimization algorithms is indispensable. Metaheuristic optimization techniques provide the designers of CFST members with a very efficient set of tools to obtain design combinations that perform well under external loading and have a low carbon footprint at the same time. That is why metaheuristic algorithms are more applicable in civil engineering due to their high efficiency. A large number of formulas for the prediction of the axial ultimate load-carrying capacity Nu of CFST columns are available in design codes. However, a limitation of the usage of these design formulas is that most of these formulas are only applicable for narrow ranges of design variables. In this study a newly developed set of equations with a wide range of applicability that calculates Nu in case of rectangular cross-sections is applied. In order to optimize the cross-sectional dimensions, two different metaheuristic algorithms are used, and their performances are compared. The reduction in CO2 emission is demonstrated as a function of cross-sectional dimensions while considering certain structural performance requirements. The outcome of the more recently developed social spider algorithm is compared to the outcome of the well-established harmony search technique. The objective of optimization was to minimize CO2 emissions associated with the fabrication of CFST stub columns. The effects of varying the wall thickness as well as the concrete compressive strength on CO2 emissions are visualized by using two different optimization techniques.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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