Estimating Mean and Variance of In-Plane Resistance of Masonry Walls Using Inaccurate Design-Code Models and Limited High-Fidelity Data
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
Analyzing uncertainty or estimating statistics of load resistance of structures is crucial for reliability-based code calibrations, forming the foundation for modern limit state design. While design-code models can be used to estimate the load resistance of masonry walls against in-plane (IP) loading, it is widely recognized that these models are inherently inaccurate due to their simplifications, assumptions, or empirical features. Therefore, employing them for uncertainty analysis or statistics estimation can be challenging. On the other hand, detailed mechanics-based finite-element (FE) models and physical experimental tests are typically more accurate. Nevertheless, their application for uncertainty analysis or statistic estimation is often impractical due to their high computational or economic cost. To address this challenge, this study introduces improved estimators for mean and variance of the IP resistance of masonry walls after considering parameter uncertainties, by leveraging efficient design-code models and limited high-fidelity data generated from detailed FE models. In the proposed estimators, a large number of design-code model evaluations are introduced to improve computational efficiency, while only a limited number of FE model evaluations are integrated to ensure accuracy. Three case studies are presented to illustrate the applicability of the proposed estimators: one on unreinforced masonry (URM) walls and two on reinforced masonry (RM) walls. The results indicate that design-code model-based estimators exhibit large bias, and compared to the estimators that solely rely on the FE model, the proposed estimators achieve higher accuracy given the same computational budget.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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