MétaCan
Menu
Retour à la cohorte
Enregistrement W4411458711 · doi:10.1177/87552930251343634

Second-generation component and system-level seismic fragility models for reinforced concrete bridges in California

2025· article· en· W4411458711 sur OpenAlexafffund
Shanshan Chen, Yazhou Xie, Chenhao Wu, Henry V. Burton, Jamie E. Padgett, Ádám Zsarnóczay

Notice bibliographique

RevueEarthquake Spectra · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSeismic Performance and Analysis
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaPacific Earthquake Engineering Research Center, University of California BerkeleyNational Science Foundation
Mots-clésFragilityBridge (graph theory)Component (thermodynamics)Vulnerability assessmentVulnerability (computing)Seismic riskResilience (materials science)PreparednessGround motionEarthquake scenarioComputer scienceEngineeringStructural engineeringCivil engineeringSeismic hazardPsychological resilienceComputer security

Résumé

récupéré en direct d'OpenAlex

California is a seismically active region that contains approximately 26,000 bridges. Historical earthquakes have caused severe damage and collapse of bridges in California, resulting in casualties, economic losses, and disruptions to transportation networks. Seismic fragility models of bridges estimate the probability of exceeding damage states at varying ground motion intensity levels. These models can be utilized for bridge vulnerability assessment, risk and resilience quantification, and to support earthquake preparedness and response planning. Recent studies have developed a new generation of seismic fragility models for bridges, demonstrating several advancements when compared with the widely used first-generation HAZUS models. These models, termed second-generation fragility functions, are derived through detailed dynamic response analyses and are differentiated at the component level, with more rational, performance-based criteria for bridge grouping and archetype sampling. This study compiles and adapts a comprehensive set of second-generation fragility models from the literature. As part of this compilation, we filtered out fragility functions with outdated capacity models and unrealistic bridge configurations, establishing uniform bridge grouping criteria, and harmonized different cross-model ground motion intensity measures and bridge component definitions. The database comprises approximately 2300 component- and 500 system-level fragility models categorized into 26 bridge groups. It can serve as a valuable resource for researchers and practitioners conducting various related analyses to enhance the seismic resilience of bridge infrastructure in California.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,056
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,215
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), 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

Citations4
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEarthquake SpectraMême sujetSeismic Performance and AnalysisTravaux en français237 207