Toward multivariate fragility functions for seismic damage and loss estimation of high‐rise buildings
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
Abstract Data‐driven models for seismic damage and loss assessment of buildings have become more common in recent years due to the availability of large repositories of recorded and synthetic ground motions coupled with structural response simulation data. This paper explores the benefits of using bivariate and multivariate fragility functions to estimate earthquake‐induced damage and economic loss in high‐rise buildings. The dataset used in this study encompasses 15,000 simulations of modern high‐rise reinforced concrete shear wall buildings ranging from eight to 24 stories which are subjected to ground motion records at five different intensity levels. The proposed functions are conditioned on average spectral accelerations and ground motion significant duration. The results indicate that bivariate fragility functions improve damage state prediction success (Brier score) by 16%, and multivariate fragility functions by 24% relative to conventional univariate functions (standard of practice). To develop multivariate functions, nominal and ordinal probit regression models are fit to the dataset. While both models yield satisfactory predictive performance, ordinal functions can lead to a 15% reduction in misclassified collapse instances, that is, the minority class. Univariate functions tend to overestimate seismic losses at lower intensity levels while underestimating them at higher intensities. These loss estimates are significantly improved when bivariate or multivariate building fragility functions are used. Given the increase in the use of physics‐based ground motion simulations and/or multi‐variate ground motion models, from which multiple intensity measures can be extracted, a shift toward a more complex representation of fragility functions, for example, multivariate curves, is necessary and inevitable. The proposed functions are used to evaluate the performance of a portfolio of modern high‐rise reinforced concrete shear wall buildings at four sites across the Seattle, Washington metropolitan area under a potential magnitude‐9 Cascadia subduction zone earthquake scenario. The results indicate that the proposed functions can be beneficial in enhancing damage state predictions and loss estimates at a regional scale.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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