An innovative multi-objective optimization approach for compact concrete-filled steel tubular (CFST) column design utilizing lightweight high-strength concrete
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
Incorporating sustainability into Concrete-Filled Steel Tubular (CFST) columns' optimization can enhance efficiency and sustainability in construction. Discrepancies in international standards for ultimate load capacity computation in compact CFST columns under eccentric loading, particularly with lightweight high-strength concrete, pose challenges. This research compile a dataset of compact CFST columns, evaluating design codes (AISC 360-16, Eurocode 4) against experimental results. Besides, a comprehensive finite-element model predicts compact CFST column performance, investigating axial force-moment (P-M) interaction behavior with respect to the material strength ratio (fy/fc′). In the second phase of the study, an ANN model, incorporating input parameters, estimates axial load capacity, facilitating multi-objective optimization for optimal CFST column geometry. The results confirmed that Eurocode 4 outperforms AISC 360-16 in experimental axial capacity predictions (Nuc/Nuc,theoretical) where, the mean and standard deviation for Eurocode 4 were estimated at 1.07 and 0.22, respectively, compared to 1.21 and 0.29 for AISC 360-16. Besides, statistical metrics confirm the precision of the ANN model, particularly with high-strength concrete, promising efficiency in future computational intelligence-based structural design platforms.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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