MétaCan
Menu
Retour à la cohorte
Enregistrement W4281996151 · doi:10.3390/ma15113827

Improved Equations for the Torsional Strength of Reinforced Concrete Beams for Codes of Practice Based on the Space Truss Analogy

2022· article· en· W4281996151 sur OpenAlexaboutno aff
Luís Filipe Almeida Bernardo, Mafalda Teixeira, Dario De Domenico, Jorge Gama

Notice bibliographique

RevueMaterials · 2022
Typearticle
Langueen
DomaineMaterials Science
ThématiqueStructural mechanics and materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTrussAnalogyStructural engineeringSpace (punctuation)Reinforced concreteMaterials scienceEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Design codes provide the necessary tools to check the torsional strength of reinforced concrete (RC) members. However, some researchers have pointed out that code equations still need improvement. This study presents a review and a comparative analysis of the calculation procedures to predict the torsional strength of RC beams from some reference design codes, namely the Russian, American, European, and Canadian codes for RC structures. The reliability and accuracy of the normative torsional strengths are checked against experimental results from a broad database incorporating 202 RC rectangular beams tested under pure torsion and collected from the literature. The results show that both the readability and accuracy of the codes' equations should be improved. Based on a correlation study between the experimental torsional strengths, and geometrical and mechanical properties of the beams, refined yet simple equations are proposed to predict torsional strength. It is demonstrated that the proposed formulation is characterized by a significant improvement over the reference design codes. The efficiency of the proposed formulae is also assessed against another equation earlier proposed in the literature, and an improvement is noted as well. From the results, it can be concluded that the proposed equations in this study can contribute to a more accurate and economical design for practice.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0030,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,024
Tête enseignante GPT0,281
Écart entre enseignants0,257 · 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'étudeThéorique ou conceptuel
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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetStructural mechanics and materialsTravaux en français237 207