Hybrid‐simulation‐based model calibration method for nonlinear seismic analysis
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 The calibration of parameters of hysteretic models that simulate the hysteretic behavior of key structural components is a crucial task in the nonlinear seismic analysis of structures to ensure accurate analysis results. For complicated systems, a direct calibration of model parameters at the system level is almost impossible due to the lack of test data. Consequently, the calibration is usually conducted using test results with lower levels of complexity. Currently, a widely accepted practice in calibrating hysteretic model parameters in structural models is to utilize standardized cyclic tests of a single component. However, due to the simplified and unrealistic loading profile of standardized cyclic tests, the relevance between the calibration and the system‐level prediction capabilities can be weak. In other words, a well‐tuned hysteretic model that matches the standardized cyclic test results very well may not be able to produce the same level of accuracy in estimating the system‐level structural dynamic response where the calibrated components will experience more random and complicated loadings. In this paper, a method is proposed to calibrate hysteretic models in a test method with more realistic loading histories through hybrid simulations. The proposed calibration method is then validated by conducting a large number of hybrid simulations on a type of small‐scale buckling‐restrained brace (BRB) specimen. A framework is also proposed to evaluate the relevance between the calibration and the system‐level response considering uncertainties in hysteretic model parameters. The results demonstrate the superiority of the hybrid‐simulation‐based calibration method over the conventional cyclic‐test‐based calibration method.
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 | 0,001 | 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