Enhanced Prediction and Uncertainty Analysis for In-Plane and Out-of-Plane Resistance of Unreinforced Masonry Walls: A Multifidelity Approach
Notice bibliographique
Résumé
Unreinforced masonry (URM) walls are commonly found in historic and legacy buildings around the world. The structural resistance of URM walls under in-plane (IP) and out-of-plane (OOP) loads is of primary concern to engineers, as their failure is generally sudden, with catastrophic loss of strength and structural integrity. Due to the complex behavior and inherent uncertainties of the masonry material, engineers opt for the use of low-fidelity (LF) resistance models with limited accuracy, such as design code models and other simplified analytical models in the literature. Models with enhanced prediction accuracy have attracted growing attention, particularly when uncertainty analysis (e.g., reliability evaluation) is needed. As such, high-fidelity (HF) models, such as nonlinear finite element models based on advanced computational mechanics, have been developed and used to characterize the structural behaviors and failure modes of URM walls, particularly the resistance, with remarkable success in terms of accuracy. However, their direct use for resistance prediction and uncertainty analysis is scarce due to the computational burden and technical complications. To address this issue, this study takes an efficient multifidelity (MF) approach that leverages both HF and LF models via information fusion to enhance LF models with only a few HF model evaluations for URM walls. The main research thrust is to develop an MF surrogate model to facilitate uncertainty analysis in the IP and OOP resistance of URM walls. The analysis results indicate that the MF surrogate models developed are capable of achieving significant improvements in terms of accuracy and efficiency in predicting the IP and OOP resistances of URM walls both deterministically and probabilistically, compared with the LF model and the surrogate model developed only based on a limited number of HF model runs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».