MétaCan
Menu
Retour à la cohorte
Enregistrement W4225117643 · doi:10.11159/icsect22.002

Monuments and Historic Buildings: Monuments and Historic Buildings: Earthquakes and Structural Engineering

2022· article· en· W4225117643 sur OpenAlexvenueno aff
Paulo B. Lourénço

Notice bibliographique

RevueProceedings of the World Congress on Civil, Structural, and Environmental Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueMasonry and Concrete Structural Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArchitectural engineeringCivil engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Unreinforced masonry (URM) buildings are a relevant part of the worldwide building stock. These include stone, brick, adobe or earthen masonry structures and represent globally about 50% of the buildings stock. The widespread of most of this built heritage has been achieved based on empirical knowledge passed by generation to generation and, therefore, URM structural behavior was often ill-understood. These constructions have been typically made to withstand vertical loads only and, having a low strength/mass ratio, are rather vulnerable to dynamic horizontal loads as earthquakes, impact or blast actions. This addresses the importance of carrying out urgent measures in the URM built stock to avoid human and societal consequences and to minimize future economic impacts. Yet, intervening in these constructions is a complex process, due to the lack of structural information and due to their high importance. A scientifically based process is less susceptible to inadequate actions, which clearly sets a convenient context for the continuous development of more powerful numerical strategies. The talk addresses first the concepts of risk in structural engineering. Then, the damage in a recent earthquake in Greece is shown, together with shaking table tests. Subsequently, tools used for safety assessment at territorial scale and building scale are presented, together with some case studies.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,546
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,003
Tête enseignante GPT0,160
Écart entre enseignants0,157 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Civil, Structural, and Environmental EngineeringMême sujetMasonry and Concrete Structural AnalysisTravaux en français237 207