High‐Resolution Regional Seismic Loss Assessment of Reinforced Concrete Bridges Using Component‐Level Fragility Models and Repair Cost Estimations
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
ABSTRACT This study develops a high‐resolution regional seismic loss assessment framework for reinforced concrete (RC) bridges, focusing on direct losses due to bridge repair and replacement. Indirect losses tied to traffic downtime, business disruption, delayed recovery, etc., can also be attributed to bridge damage but are considered outside the current scope. While previous studies have made relevant attempts on regional bridge seismic loss assessment, most relied on limited hazard simulations, simplified fragility models, and generic repair cost ratios. In contrast, the current study bears its novel contribution to conduct high‐resolution assessment that directly aggregates loss contributions from individual bridge components. Using 1152 RC bridges in the City of Los Angeles as a case study, the framework integrates crucial steps that (1) generate numerous seismic intensity maps, (2) classify the inventory into 26 bridge groups, (3) assign each bridge group with second‐generation seismic fragility models, and (4) develop a stochastic loss function for each bridge through component‐level cost estimations. The high‐resolution assessment enables new insights for more in‐depth loss disaggregation analysis across varying return periods, individual bridges, bridge components, and repair actions. Research findings for LA bridges indicate that early‐designed, multi‐span bridges contribute disproportionately to the overall regional losses. The framework also supports detailed sensitivity analysis toward explicit loss uncertainty quantification. Overall, the proposed high‐resolution assessment framework enhances the fidelity, interpretability, and actionability of regional loss results, offering a transferable and scalable methodology for more effective seismic loss mitigation and post‐earthquake recovery planning.
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