HBIM Application to Historical Steel Structures: the Case Study ofLapela Bridge
Notice bibliographique
Résumé
Historical steel structures are present all around the world. Besides being a common part of the cultural heritage, many of them are still in service. As an example, we can cite the case of riveted bridges, railway stations, exhibition pavilions, or industrial buildings. The maintenance of these ancient constructions is crucial since they are prone to have suffered significant damage over time due to effects such as corrosion, human actions, or the exposure to heavy loads for which they were not originally conceived. Further, in many cases, these steel structures have to be strengthened in order to adapt them to new uses. HBIM (Historical Buildings Information Modeling) is a new methodology in structural design and construction that could be used as the ideal tool for the maintenance management of these historical structures. HBIM technology is adopted in this paper for structural engineering purposes. Departing from the geometric survey carried out by terrestrial laser scanning, a 3D model is obtained which apart of gathering the main dimensions and details regarding the composition of the structure, it allows collecting all the information concerning the deterioration grade or the different inspections and retrofitting actions performed over time. Thus, by introducing different time stages in the 3D model, the evolution of the structural health over time can be analyzed, which allows the decision-making regarding maintenance and, if required, the undertaking of repairing works. The proposed methodology will be applied to the case study of the Lapela Bridge, in Portugal.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».