MétaCan
Menu
Retour à la cohorte
Enregistrement W4210475617 · doi:10.3390/app12031602

On the Modeling and Analysis of Brittle Failure in Existing R/C Structures Due to Seismic Loads

2022· article· en· W4210475617 sur OpenAlexaff
Stylianos I. Pardalopoulos, S. J. Pantazopoulou, George D. Manolis

Notice bibliographique

RevueApplied Sciences · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésBrittlenessStructural engineeringBenchmark (surveying)Computer scienceReliability engineeringEngineeringGeologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Brittle failure is often observed in older reinforced concrete (R/C) buildings that have been designed prior to the 1980s following an earthquake event. Since this has ramifications on any subsequent repair protocol, it is important to quantify the remaining strength capacity for this class of building to determine a retrofit strategy. Following along these lines, an analytical-numerical methodology is presented for use as a third-tier seismic assessment which is based on a previously developed second-tier strength assessment criterion coming from a procedure known as Rapid Seismic Assessment (RSA). The assessment framework is performance-based, aiming to determine whether estimated local drift demands can be tolerated without failure developing along the load resistance path of substandard R/C buildings. This enables the development of guidelines for modeling all possible strength mechanisms that occur in the structural system of substandard R/C buildings. An application example using data provided by a benchmark experiment involving a full-scale R/C building helps to illustrate and then validate the proposed modeling procedures and establish their accuracy and efficiency for use by practicing engineers.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,232
Écart entre enseignants0,214 · 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
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetSeismic Performance and AnalysisTravaux en français237 207