Seismic loss and resilience assessment of a steel building retrofitted with self‐centering buckling‐restrained braces
Notice bibliographique
Résumé
Self‐centering buckling‐restrained braces (SCBRBs) can be an effective seismic retrofitting measure for older steel moment frame buildings designed based on outdated design provisions. SCBRBs can considerably improve the strength and ductility capacity and are particularly efficient at mitigating residual deformations, a critical parameter often adopted as a demolition metric. However, this retrofit strategy can simultaneously lead to an increase in seismic demands on floors because of increased lateral stiffness which increases the potential for damage to non‐structural elements (NSEs). Damage to NSEs can render buildings unoccupiable for an extended period even if the structural damage is minor. In this study, the seismic resilience of a case study moment‐resisting steel frame building is compared to one retrofitted with SCBRBs. In particular, the effect of the SCBRB retrofit on NSEs is examined and their contribution to the total expected economic losses is quantified. Furthermore, various scenarios are evaluated in which NSEs are also retrofitted to illustrate their importance to functional recovery. Analysis results reveal that damage to the ceiling system and partition walls, which can be amplified as a result of added lateral stiffness from SCBRBs, can significantly delay the recovery process. Moreover, recovery delays associated with mechanical components can be reduced by enhancing the seismic behavior of integral items such as elevators. These results demonstrate how retrofit strategies that alter a building’s seismic response such as SCBRBs can have unintended consequences on NSEs and adversely impact seismic resilience.
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 | 0,001 |
| 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 ».