Novel time-dependent seismic fragility assessment tool for existing RC highway bridges in a multi-hazard environment considering regular maintenance
Notice bibliographique
Résumé
In environments where bridges are subjected to multiple hazards over their lifetime, assessing the fragility of bridges solely under earthquake loading would not provide proper insights into the actual performance of bridges. Moreover, existing time-based fragility tools in the literature fail to accurately represent bridge behavior, as they depict corrosion as an ongoing process that continuously deteriorates the bridge until its end. This study addresses the necessity of employing realistic, time-dependent fragility tools that consider the impact of routine maintenance activities, such as concrete patching and grouting, in bolstering the future resilience of bridges. The performance-based assessment in this study is conducted on existing bridges that have already suffered from past corrosion. In this research, climate change scenarios are first investigated based on future forecast models to anticipate the temperature and relative humidity changes up to the year of 2100. Subsequently, corrosion is quantified in concrete and steel using the proposed climate change scenarios. Then, nonlinear static pushover analysis is conducted to assess the drift ratio at various limit states of the bridge. Based on the pushover curves, time-based fragility analysis is conducted to assess the performance of reinforced concrete bridge columns in various environments under different corrosion levels using multiple climate change scenarios. Accordingly, maintenance-adjusted fragility tools are developed using different maintenance strategies at various intervals. The proposed temporal fragility tools serve as a benchmark for bridge engineers to evaluate the seismic performance of existing bridges in multi-hazard environments. • Novel maintenance-adjusted fragility tools are developed for bridges in multi-hazard environments. • Time-dependent incremental dynamic analysis is performed to assess seismic performance degradation over the bridge's lifespan. • Performance-based assessment is conducted on existing bridges that have suffered from past corrosion.
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 ».