MétaCan
Menu
Retour à la cohorte
Enregistrement W4210373680 · doi:10.1177/87552930211065771

A framework for the rapid assessment of seismic upgrade viability using performance‐based earthquake engineering

2022· article· en· W4210373680 sur OpenAlexaff
Paul Steneker, Lydell Wiebe, André Filiatrault, Dimitrios Konstantinidis

Notice bibliographique

RevueEarthquake Spectra · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésUpgradeObstacleProcess (computing)Computer scienceResource (disambiguation)Component (thermodynamics)Reliability engineeringEngineeringSystems engineeringConstruction engineeringRisk analysis (engineering)Business

Résumé

récupéré en direct d'OpenAlex

The performance‐based earthquake engineering (PBEE) methodology allows designers to deaggregate expected seismic losses in a building to a component level. This deaggregated information provides the opportunity to tailor upgrade strategies to individual structures based on sources of losses. However, the optimization of an upgrade strategy becomes difficult because of the relationship between a structure and its nonstructural components; hence, multiple competing upgrade options must be considered. To address this obstacle, this article proposes a framework to guide the assessment of the viability of both structural and nonstructural upgrade strategies, while accounting for limited design resources likely encountered in the early stages of the design process. The framework utilizes the median shift probability (MSP) method, a modified version of the PBEE method introduced in this article, to rapidly summarize the effects of structural upgrades on nonstructural components by considering the impacts of structural modifications on the floor hazards. While accounting for this relationship, the MSP method utilizes the deaggregation of loss across different source categories to identify the benefit of combined structural and nonstructural upgrades, increasing a designer's understanding of the impact of structural upgrades on losses and allowing for the rapid determination of optimized upgrade strategies unique to the owner's conditions. A case study example of the implementation of the framework is provided, and the results obtained from the MSP method are compared with those obtained from more rigorous but resource‐intensive optimization analysis. An implementation of the MSP method in Microsoft Excel is provided with this article.

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)0,005
score de la tête « metaresearch » (Gemma)0,009
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
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 Opus0,020
Tête enseignante GPT0,256
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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarthquake SpectraMême sujetSeismic Performance and AnalysisTravaux en français237 207