Evaluation of Pedestrian-Induced In-Service Building Floor Performance Based on Short-Term Monitoring
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pedestrian-induced vibration (PIV) is often the most persistent issue affecting the floor serviceability of buildings. These vibrations may cause discomfort to occupants and may also adversely affect the performance of sensitive equipment residing on the floor. Resolving floor vibration problems in built structures often requires costly mitigation measures. Using monitoring techniques, a floor’s response to PIV can be evaluated. The purpose of long-term floor monitoring is to have a comprehensive insight into the vibration levels. Due to the associated costs and challenges, long-term monitoring is not common. The alternatives, short-term monitoring and controlled walking tests, may not reflect the actual vibrations of the floor but are easier to perform. By using confidence interval (CI) analysis, CI width analysis, and the Kullback–Leibler divergence (KLD) method to evaluate measured PIV from a floor, this study proposes a methodology for obtaining the sufficient short-term monitoring duration (MD) that is required to evaluate the long-term measured PIV with acceptable accuracy. Also, the appropriate percentile(s) for evaluating floor performance is investigated. Two methods are discussed for deciding which percentile to use when evaluating floor performance. The first method is based on selecting the probability of non-exceedance (PONE) according to the PIV guidelines, and the second method is based on the definitions of the types of vibration based on ISO 10137 curves. The sufficient MD is obtained from the relative error calculation of the results. The results of this research provide a more realistic and improved methodology for analyzing the vibration performance of floors.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 découle