Impact of component damage correlations on seismic fragility and risk assessment of multi-component bridge systems
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
Seismic fragility modeling of bridges has evolved from simplified system-level assessments to high-fidelity, component-based methodologies. However, a key challenge remains in accurately incorporating damage dependency among bridge components, which might influence high-resolution seismic risk estimates that rely upon damage simulations of each bridge component. While previous studies have explored demand and capacity correlations in various structures, a comprehensive framework integrating these dependencies within the component-based bridge fragility modeling approach remains absent. This study addresses this gap by introducing a refined methodology for modeling seismic damage correlations across bridge components and damage states. A correlation-based fragility modeling framework is proposed, leveraging joint probabilistic seismic demand models and a hierarchical capacity correlation structure. The framework is systematically compared against other correlation models, including fully independent, fully correlated, and partially correlated approaches. Using a four-span, multi-column reinforced concrete bridge as a benchmark, the influence of correlation modeling on key seismic risk metrics, such as bridge collapse fragility, repair costs, and recovery durations, is assessed. Results demonstrate that neglecting damage correlation, or treating it perfectly correlated, sometimes would lead to significant biases in risk estimations. The proposed framework provides a practical extension of the existing component-level seismic fragility modeling approach for seamlessly integrating correlation effects, improving its effectiveness and applicability for downstream risk and resilience assessment of bridge systems.
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 | 0,000 |
| 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 découle