Consequences of consequence models: The impact of economies of scale on seismic loss estimates
Notice bibliographique
Résumé
The detailed evaluation of expected losses and damage experienced by structural and nonstructural components is a fundamental part of performance‐based seismic design and assessment. The FEMA P‐58 methodology represents the state of the art in this area. Increasing interest in improving structural performance and community resilience has led to widespread adoption of this methodology and the library of component models published with it. This study focuses on the modeling of economies of scale for repair cost calculation and specifically highlights the lack of a definition for aggregate damage, a quantity with considerable influence on the component repair costs. The article illustrates the highly variable and often substantial impact of damage aggregation that can alter total repair costs by more than 25%. Four so‐called edge cases representing different damage aggregation methods are introduced to investigate which components experience large differences in their repair costs and under what circumstances. A three‐step evaluation strategy is proposed that allows engineers to quickly evaluate the potential impact of damage aggregation on a specific performance assessment. This helps users of currently available assessment tools to recognize and communicate this uncertainty even when the tools they use only support one particular damage aggregation method. A case study of a 9‐story building illustrates the proposed strategy and the impact of this ambiguity on the performance of a realistic structure. The article concludes with concrete recommendations toward the development of a more sophisticated model for repair consequence calculation.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».