Diagonal failure analysis of unreinforced solid clay brick masonry walls: comparative analytical and statistical strength evaluations
Notice bibliographique
Résumé
Unreinforced masonry (URM) components constructed with solid clay bricks are intrinsically vulnerable to failure under seismic loading, despite being prevalent in many earthquake-prone countries. When box behaviour is ensured through e.g. adequate wall-to-diaphragm connections, in-plane (IP) shear failure often governs the building-scale seismic performance, which can be sudden and brittle. Accurate estimation of diagonal tension strength is therefore critical for evaluating failure mechanisms of URM buildings, assessing their seismic capacity, and informing effective retrofit strategies. To this end, this study presents the first comprehensive and critical review of experimental investigations on the diagonal tension strength of URM walls made of solid clay bricks, based on which a novel database of 116 experimental tests is compiled. Statistical evaluations across diverse configurations reveal that certain experimental factors, such as specimen origin, number of leaves, and wall size, exhibit clear trends in their influence on diagonal tension strength. Existing predictive equations are also assessed against the compiled data, where substantial conservative bias and significant prediction scatter are observed. To explore complementary approaches, seven machine learning algorithms are developed and compared, with hyperparameters optimized through Bayesian optimization. All data and models are made openly accessible to support future research and practical implementation. The outcomes of this study offer a robust benchmark dataset, a critical assessment of influencing factors and existing predictive models, and a demonstration of the potential of machine learning as a complementary tool for improving predictive capabilities in the seismic assessment of masonry structures.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».