MétaCan
Menu
Retour à la cohorte
Enregistrement W4381491808 · doi:10.2737/fpl-gtr-281

Determination of seismic performance factors for cross-laminated timber shear walls based on FEMA P695 methodology

2022· report· en· W4381491808 sur OpenAlexaff
John van de Lindt, M. Omar Amini, Douglas R. Rammer, Philip Line, Shiling Pei, Marjan Popovski

Notice bibliographique

Revuenon disponible
Typereport
Langueen
DomaineEngineering
ThématiqueWood Treatment and Properties
Établissements canadiensFPInnovations
Organismes subventionnairesU.S. Forest ServiceU.S. Department of Agriculture
Mots-clésCross laminated timberShear wallStructural engineeringGeologyShear (geology)Computer scienceEngineeringPetrology

Résumé

récupéré en direct d'OpenAlex

Cross-laminated timber (CLT) construction has been gaining popularity in North America. However, CLT-based seismic force resisting systems are not recognized in current U.S. design codes, which is among the many challenges preventing widespread adoption of CLT in the United States. The purpose of this study was to investigate the seismic behavior of CLT-based shear wall systems and to determine seismic performance factors, namely, the response modification factor (R factor), the system overstrength factor (), and the deflection amplification factor (C d ), using the FEMA P695 procedure. Nine index buildings including single-family dwellings, multifamily dwellings, and commercial (including mixed use) midrise buildings were developed, from which 72 archetypes were extracted. Testing performed at the component and subassembly levels included connector tests and isolated shear wall tests. A CLT shear wall design method was developed and used to design the archetypes, which were then assessed with nonlinear pushover analysis and incremental dynamic analysis. Based on the required collapse margin, an R factor of 3 is proposed for CLT shear wall systems with 2:1 or mixed aspect ratio panels up to 4:1, and an R factor of 4 is proposed for CLT shear wall systems made up of only 4:1 aspect ratio panels.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,115
Tête enseignante GPT0,330
Écart entre enseignants0,215 · 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'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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWood Treatment and PropertiesTravaux en français237 207