Resilience based seismic design of CLT coupled walls and Glulam moment resisting frame system
Notice bibliographique
Résumé
Seismic design philosophies have evolved significantly over the past several decades, shifting from life safety focused – prescriptive methods – towards approaches that also consider post-earthquake recovery, economic losses, and social impacts. This transition has led to the emergence of Resilience-Based Seismic Design (RBSD). While RBSD has been explored for concrete- and steel-based structural systems, its application to timber structures remains limited. Accordingly, this study develops a novel RBSD framework for a 20-storey timber building combining Cross-Laminated Timber Coupled Walls (CLTCWs) and a Glulam Moment-Resisting Frame (GMRF) to resist lateral loads. A baseline system is designed and assessed using FEMA P-58 methodology and the TREADS repair time model under multiple seismic intensity levels. Using this baseline, a Multi-Objective Optimization (MOO) framework is formulated with conflicting objectives: minimizing structural strength demands while maximizing its resilience. A dynamic deep learning-based surrogate model is trained to predict seismic performance across varying design parameters. Non-dominated Pareto-optimal solutions are obtained using a genetic algorithm and further evaluated through nonlinear time–history analyses. Results show that the optimized solutions achieve notable improvements in both structural efficiency and resilience performance compared to the baseline system. This research contributes a flexible and data-driven methodology for advancing the design of resilient, high-performance tall timber buildings. • A RBSD framework is proposed, employing a MOO approach that integrates deep-learning-based surrogate models with genetic algorithms. • The framework incorporates the FEMA P-58 methodology and TREADS repair time model, enabling comprehensive resilience. • The framework is applied to the design of a 20-storey innovative timber-based dual system system. • Through the RBSD process, optimal design parameters are determined, accounting for the complex interactions between the dual system components. • It provides a novel decision-making tool, enabling stakeholders to quantitatively balance seismic safety, economic losses, and functional recovery objectives within a unified framework.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».