Macro Modeling of Column Removal in RC Frames with Consideration of Importance Factor and Infill Walls
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
In this study, the effect of importance factor (IF) on RC frames with and without infill walls, in both with and without opening conditions, is evaluated against progressive collapse. For this purpose, RC building with the intermediate moment frame system for three levels of importance factor that these levels are intermediate, high, and very high IF is designed. OpenSees program is utilized for modeling RC frames. For this aim, the accuracy of modeling of column removal and infill walls are compared with experimental researches. In the present study, nonlinear dynamic analysis (NDA) and push-down analysis (PDA) were used for evaluating RC frames against progressive collapse in each column removal scenario. Analysis results showed that the effect of the importance factors in NDA and PDA are reduced to less than 24% and 13% when the infill walls are modeled in the frames. In the frame without infill walls, the influence of the importance factor is increased up to 36.1%. Also, in this study, it was found that the role of importance factors depends on the place of the removed column, which the effect of middle column removal is relatively twice than the corner column removal due to more redundancy. Other results about infill walls effects and opening in infill walls are presented in the paper. Finally, a proposed approach for column removal in NDA via OpenSees program is introduced, and its high accuracy is shown. This developed algorithm can remove any element of structure in different time intervals.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle