MétaCan
Menu
Retour à la cohorte
Enregistrement W4372325957 · doi:10.5592/co/2crocee.2023.130

ON THE INFLUENCE OF ROAD AND RAIL TRAFFIC ON SEISMIC VULNERABILITY OF HISTORIC MASONRY BUILDINGS

2023· article· en· W4372325957 sur OpenAlexaff
Ivo Haladin, Krešimir Burnać, Katarina Vranešić

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensTransport Canada
Organismes subventionnairesnon disponible
Mots-clésMasonryVulnerability (computing)Civil engineeringForensic engineeringTransport engineeringEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

In the event of the earthquake that struck the city of Zagreb on the 22nd of March 2020. many of the buildings in the old city centre suffered from various types of damage. Most of the masonry buildings in the old city of Zagreb are over 100 years old, and so is the tramway infrastructure running alongside the buildings. The long operational period of tramway traffic can be an important factor when we talk about the influence of traffic-induced vibrations on the seismic vulnerability of the buildings. Long-term exposure to high levels of traffic-induced vibrations can lead to mortar deterioration and detachment of masonry units. To analyse the influence of vibrations induced by tramway traffic, historic data on tram operations and earthquake damage have been investigated. Segmentation of rail tracks was made taking into consideration the distance between the track and surrounding buildings as well as the assessment of damage on the buildings after a recent 2020 earthquake. Furthermore, to inspect the influence of various types of traffic on the surrounding buildings, eight different locations in Zagreb’s urban core have been chosen for statistical analysis (six streets in the north-south direction and two intersections).

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,266
Écart entre enseignants0,248 · 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'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetStructural Health Monitoring TechniquesTravaux en français237 207