MétaCan
Menu
Retour à la cohorte
Enregistrement W4412754700 · doi:10.11159/iccste25.138

Comparative Assessment of CFQST vs Traditional Columns under Lateral Loads

2025· article· en· W4412754700 sur OpenAlexvenueno aff
Ishan Jha, Sekhar Chandra Dutta, Ganga Prakhya, Vikash Kumar

Notice bibliographique

RevueProceedings of the International Conference on Civil, Structural and Transportation Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Engineering and Vibration Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

The study presents a comparative computational analysis of proposed Concrete-Filled Quadruple Steel Tubular (CFQST) columns, concentrating on their lateral load-bearing capacity, lateral ductility, and concrete durability which are essential factors for evaluating seismic risk management.Validated finite element simulations with varying concrete strengths (M25, M40, M50) and slenderness ratios (7, 14, 20) reveal that CFQST columns outperform Reinforced Concrete (RCC), Concrete-Filled Steel Tubular (CFST), and Concrete-Filled Double Steel Tubular (CFDST) columns.CFQST columns demonstrate up to 2.37 times greater lateral load capacity and 1.75 times higher ductility than RCC.When compared to CFST and CFDST columns, CFQST columns offer 1.11 to 1.68 times greater ductility and 1.16 to 1.54 times higher lateral load capacity.The improved performance is due to the confinement effects of four internal steel tubes encased in concrete and confined by an outer steel tube, enhancing the durability of the encased concrete and delaying crushing, resulting in higher energy absorption.The observed "elephant foot" ductile buckling confirms the columns' effectiveness in mitigating the brittle behaviour of concrete.These findings establish CFQST columns as a resilient, durable, and sustainable solution, particularly well-suited for seismic regions and high-risk environments, with significant potential for reducing long-term life cycle costs.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,503
Score d'incertitude au seuil0,506

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 Opus0,022
Tête enseignante GPT0,256
Écart entre enseignants0,234 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the International Conference on Civil, Structural and Transportation EngineeringMême sujetStructural Engineering and Vibration AnalysisTravaux en français237 207