A Novel Performance-Based Methodology for Seismic Evaluation of Bridges
Notice bibliographique
Résumé
Seismic hazards pose critical challenges to bridge safety, amplified by inadequate consideration of nonlinear responses and soil-structure interaction (SSI).Existing assessment methodologies often fail to address these complexities, limiting their applicability in ensuring structural resilience.This paper introduces a novel performance-based seismic evaluation (PBSE) framework tailored for bridges, incorporating advanced modeling and probabilistic techniques to quantify collapse risks.The framework emphasizes nonlinear dynamics, detailed SSI effects, and ground motion variability to improve predictive accuracy.The proposed methodology is applied to the Meloland Road Overcrossing (MRO) in Southern California as a case study.Four archetype models with varying degrees of SSI representation were developed and analyzed using incremental dynamic analysis (IDA) with 22 ground motions.These ranged from simplified SSI assumptions to a detailed model (D4) that explicitly captures abutment-soil and pile-soil interactions.Findings demonstrate that SSI representation critically impacts collapse predictions.The detailed D4 model exhibited increased collapse probabilities and reduced collapse margin ratios compared to simplified models, highlighting the essential role of accurate SSI characterization.Fragility curves illustrated the interplay between ground motion characteristics and SSI effects, revealing their influence on failure sequences and overall structural performance.This research redefines seismic evaluation by addressing key uncertainties in collapse risk assessments and advancing SSI modeling techniques.The PBSE framework provides engineers with a robust tool for designing resilient bridge structures and optimizing retrofitting strategies.The proposed methodology contributes to the development of safer infrastructure capable of withstanding future seismic events by accounting for ground motion characteristics and addressing various aspects of data and modeling uncertainties.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».