A probabilistic computational framework for predicting the diagonal tensile strength of unreinforced masonry walls
Notice bibliographique
Résumé
Masonry is a composite construction material consisting of units and mortar. Depending on the adopted computational modeling strategy to perform structural analysis, the composite nature of masonry is either represented via a homogenous continuous medium using averaged material properties, or the morphological features of masonry are addressed explicitly by implementing different levels of details within the discontinuum-based analysis framework. While each modeling approach has its advantages and limitations, the continuum-based approach is commonly used in large-scale simulations, requiring the tensile strength of masonry as an input parameter, which is difficult to obtain due to the complexity of experiments and the high degree of material variability. To this end, the present research proposes a probabilistic computational framework to predict the diagonal tensile strength of URM walls. It explores the tensile strength of masonry composite through computational investigations simulating the diagonal compression tests of small masonry walls based on the discrete element method (DEM). This modeling strategy captures the local failure mechanism at the unit-mortar interfaces and masonry units by representing the masonry as a system of deformable blocks interacting along their boundaries. The validated approach is used to generate a large dataset by considering the material uncertainties that are further utilized to propose predictive equations including bond shear strength under zero vertical pressure and brick (or masonry unit) tensile strength. A potential use of the proposed predictive equations is demonstrated by presenting a simple study where the load-carrying capacity of a masonry wall is estimated using a macro-modeling technique. The results of the discontinuum-based analyses demonstrate good agreement with the available experimental findings presented in the literature. Overall, the results highlight the great potential of the proposed framework to predict the capacity of masonry structures and to complement experimental campaigns.
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 | 0,000 |
| 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 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 ».