An innovative formulation for predicting the punching shear behavior in two-way reinforced concrete slabs
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
Punching shear failure represents one of the most critical and perilous challenges that slabs may encounter under load-bearing conditions. Numerous studies have delved into the mechanics of punching shear and the methods for assessing the strength of slabs against punching shear failures. However, owing to the inherent complexity of the punching shear phenomenon, a universally applicable relationship has remained elusive. This article introduces a mathematical framework for analyzing the punching shear strength of two-way reinforced concrete slabs. The framework leverages a dataset of 218 laboratory test results compiled from various literature sources. To achieve the objective, the authors preprocessed the database, optimized the computational architecture, established the computational structure, and extracted mathematical relationships from the resulting system, respectively. The punching shear values generated by the computational model presented in this article were also compared with those determined using existing relationships. The framework surpasses existing methods by achieving a demonstrably lower error rate in predicting punching shear strength. This translates into a significant advantage for engineers, enabling them to design two-way reinforced concrete slabs with greater confidence and accuracy. Furthermore, it can be a valuable tool for assessing the viability of strengthening strategies for existing slabs or guiding rehabilitation efforts to ensure structural integrity. By facilitating these applications, the proposed framework holds immense promise for enhancing the safety, reliability, and lifespan of two-way RC slabs.
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