MétaCan
Menu
Retour à la cohorte
Enregistrement W4407313150 · doi:10.1016/j.jobe.2025.112082

Surrogate-based calibration and prediction of hysteretic model parameters for steel beam-column bolted T-stub connections

2025· article· en· W4407313150 sur OpenAlexafffund
Yanfei Shen, Mao Li, Yong Li

Notice bibliographique

RevueJournal of Building Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Load-Bearing Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStub (electronics)Structural engineeringCalibrationMaterials scienceBeam (structure)EngineeringMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

The nonlinear behavior of steel beam-column bolted T-stub (BCBT) connections under cyclic loading can potentially be represented using the Pinching4 model in OpenSees . However, its application is limited by the lack of parameter specifications tailored to these connections, particularly for parameters controlling pinching effects and stiffness degradation, which are not directly observable from experimental data. Manual calibration of these parameters is challenging due to the model's implicit nature and high-dimensional parameter space. To address these challenges, this study (1) proposes a novel calibration approach by combining Polynomial Chaos Expansion (PCE) and Genetic Algorithm (GA) to calibrate the Pinching4 model parameters for tested specimens available in the literature, and (2) develops predictive models for specifying parameters for future use of the Pinching4 model for steel BCBT connections. Specifically, PCE is utilized to approximate the discrepancy between the Pinching4 model predictions and experimental data to reduce computational cost, while GA is employed for its robust global search capabilities in optimization tasks. Furthermore, Elastic Net (ENet) regression is used to develop predictive models for the Pinching4 model parameters for untested connections, effectively handling high-dimensional features and small sample sizes, thereby mitigating multicollinearity and overfitting issues. The resulting regression models demonstrate favorable predictive performance, enhancing the accessibility and practical application of the Pinching4 model in modeling the moment-rotation hysteretic behavior of untested steel BCBT connections. • Proposed a novel calibration approach by combining PCE and GA. • Calibrated hysteretic model for steel BCBT connections. • Developed predictive models for hysteretic parameters using ENet regression. • Proved the potential of Pinching4 model for steel BCBT connections.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,386
Score d'incertitude au seuil0,547

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,213
Écart entre enseignants0,202 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Building EngineeringMême sujetStructural Load-Bearing AnalysisTravaux en français237 207