MétaCan
Menu
Retour à la cohorte
Enregistrement W4312047735 · doi:10.33430/v29n4thie-2022-0002

Design criteria for strut-and-tie modelling in Hong Kong practice

2022· article· en· W4312047735 sur OpenAlexaboutno aff
T N Wong, R.K.L. Su

Notice bibliographique

RevueHKIE Transactions · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Behavior of Reinforced Concrete
Établissements canadiensnon disponible
Organismes subventionnairesImpact Fund
Mots-clésEurocodeEngineeringStructural engineeringBridge (graph theory)Flexural strengthSet (abstract data type)Design methodsSoftwareCode (set theory)Construction engineeringComputer scienceCivil engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Strut-and-tie modelling has proved a very useful method in the analysis and design of non-flexural components of reinforced concrete members. Examples of design codes encompassing the strut-and-tie model (STM) provisions include Eurocode 2 (EC2), the fib Model Code 2010 (MC2010), the Canadian Standard (CSA A23.3-04), the American bridge design specifications (AASHTO LRFD 2020), the American Standard (ACI 318-14 and -19) and the Australian Standard (AS 3600:2018). Nevertheless, the application of different assumptions, model types and methodologies means that the strength acceptance criteria for struts, nodes and bearings vary within the literature and design codes. Unifying the STM design criteria is thus encouraged, to facilitate worldwide use of the STM in the design of non-flexural components, particularly for places such as Hong Kong that have not yet developed the localised design criteria for the STM. In this paper, the proposals set out in the literature and the provisions in the above-stated design codes are reviewed and compared with each other. Calibrating with the existing literature and design provisions, unified STM design criteria for struts, nodes and bearings with localisation are proposed for application in Hong Kong. The proposed design criteria are then applied to the STM design of a cantilever deep beam.

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 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: aucune
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,640

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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 Opus0,047
Tête enseignante GPT0,274
Écart entre enseignants0,227 · 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.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHKIE TransactionsMême sujetStructural Behavior of Reinforced ConcreteTravaux en français237 207