MétaCan
Menu
Retour à la cohorte
Enregistrement W4406335964 · doi:10.23977/jemm.2024.090308

Research Status and Challenges of Restoring Force Models for Reinforced Concrete Components

2024· article· en· W4406335964 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Engineering Mechanics and Machinery · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Engineering and Vibration Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReinforced concreteRestoring forceComponent (thermodynamics)Structural engineeringForensic engineeringComputer scienceEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The resilience model is an important tool for studying the seismic performance of reinforced concrete components. It describes the force-displacement relationship of components under external forces, reflecting the hysteretic behavior and energy dissipation characteristics, and providing a theoretical basis for seismic performance assessment. Based on existing literature, this paper systematically reviews the current research status of resilience models, analyzes key influencing factors such as material nonlinearity, geometric parameters, and loading paths, and discusses the main challenges in model research, including insufficient universality, complexity in characterizing nonlinear behavior, and lack of high-precision experimental data. To address these challenges, this paper proposes future research directions, emphasizing the improvement of model universality, the combination of experiments and numerical simulations to enhance model validation, and the further optimization of model efficiency and accuracy through multidisciplinary integration. The research results show that existing models have good applicability in describing simple conditions, but their performance in complex conditions is still limited. In the future, the practical value of resilience models in engineering seismic design needs to be enhanced through the coordinated development of theory and technology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,469

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,278
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering Mechanics and MachineryMême sujetStructural Engineering and Vibration AnalysisTravaux en français237 207