Maintenance Optimization Model for Existing Reinforced Concrete Bridge Piers Based on an Integrated Life-Cycle Cost and Performance-Based Design Approach
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
Coastal bridges are vulnerable to diverse hazards, including earthquakes, corrosion, and climate change. Regular maintenance is necessary to mitigate such vulnerability and prolong the lifespan of bridges. However, the high number of deficient bridges, combined with the limited financial capacity of most developing countries, calls for a pragmatic framework to optimize the maintenance program of bridges and preserve public funds. This study provides an integrated life-cycle and performance-based design approach for existing bridges in multihazard environments, aiming to improve their fragility and minimize their life-cycle costs (LCC). A methodology to evaluate the current damage condition of an existing deficient reinforced concrete bridge pier is introduced. Future degradation of the concrete column is then anticipated, considering the impact of both corrosion and climate change. Then, the maintenance LCC indicators are defined, and the maintenance model is formulated. An optimization model using the binary linear programming approach is employed to minimize the operational LCC of the bridge while maintaining the probability of damage within a user-defined upper limit for each damage state. Finally, a case study is used to illustrate the proposed approach. With this optimization model, it was possible to decrease the future LCC of two existing bridge piers in two different environments, marine atmospheric and marine splash, by 38.4% and 35%, respectively. Overall, the results of this study indicate that reducing the maintenance interval between future activities is beneficial only up to a certain limit, which varies depending on the seismic risk and environmental exposure.
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) | 0,000 | 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 découle