MétaCan
Menu
Retour à la cohorte
Enregistrement W6995940781

Raideliikenteen aiheuttama staattinen kuormavaikutus siltarakenteisiin

2019· other· fi· W6995940781 sur OpenAlexaboutno aff

Notice bibliographique

RevueTampere University Institutional Repository (Tampere University) · 2019
Typeother
Languefi
DomaineEngineering
ThématiqueRailway Systems and Energy Efficiency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)PopulationPoverty
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Suunnittelussa raideliikenteen kuormavaikutukset silloille lasketaan eurokoodin standardin SFS-EN 1991-2 mukaan. Standardissa esitetään kuormakaavioita, joista LM71-kaaviota tulee käyttää aina ja muita kaavioita tapauskohtaisesti. Kaavioiden lisäksi kuormavaikutukseen vaikuttaa kaaviossa käytettävien kuormien luokittelukerroin α, joka on valittu kussakin eurokoodien vaikutuspiirissä olevassa maassa kansallisesti. Suomessa α:n arvoksi on valittu 1,46. Se on suurin standardissa esitetty luokka, joka vastaa junaa, jonka akselimassat ovat 35 tonnia. Suomen rataverkon suurin sallittu akselimassa on kuitenkin tällä hetkellä 25 tonnia, joten paikallisten kuormavaikutusten lähempi tarkastelu oli tämän perusteella tarpeellista.
\nTyössä tutkittiin Suomen raideliikenteen staattista kuormavaikutusta vertaamalla sitä LM71-kaavion vaikutuksiin. Dynaamisen suurennuskertoimen tasoon ei siis tässä otettu kantaa. Paikallisia kuormavaikutuksia arvioitiin stokastisen simulaatiotyökalun avulla, jolla muodostettiin todellisen kaltaisia tilastollisiin jakaumiin perustuvia tavarajunia. Henkilöliikenteen junia ei otettu tutkimukseen mukaan, koska oli selvää, ettei niiden kuormavaikutus staattisessa tapauksessa ole määräävä. Junien muodostuksen perustana olleet jakaumat saatiin rataverkolla sijaitsevien pyörävoimailmaisimien ja RFID-lukijoiden vuoden aikana keräämän datan perusteella. Pyörävoimailmaisimia on eri puolilla rataverkkoa ja jokainen mittauspiste simuloitiin erikseen, koska raideliikenteessä on paikallisia eroja myös Suomen sisällä. Simulaation lopussa jokaisen junan aiheuttamat kuormavaikutusten ääriarvot tallennettiin. Yksittäisiä junia muodostettiin kullakin mittauspisteellä 10 vuoden liikennettä vastaava määrä, sillä oletuksella, että liikennemäärä on sama jokaisena vuonna. Tulosten jälkikäsittelyssä ääriarvojakaumat muodostettiin lopulta kuukauden aikana ääriarvon tuottaneiden junien kuormavaikutuksista ja saatuihin jakaumiin sovitettiin ääriarvojakaumista Gumbel- sekä Weibull-jakaumat, joista luetaan 100 vuoden toistumiskuormavaikutusten arvot. Lisäksi yksittäisten tulosten jakaumia testattiin tarkemmin ja niihin sovitettiin myös yleistettyä ääriarvojakaumaa (GEV-jakaumaa).
\nTutkimuksessa saatujen tulosten perusteella raideliikenteen staattinen kuormavaikutus on hyvin lähellä kuormakaavioiden LM71 ja SW/0 kuormavaikutuksia luokittelukertoimella α=1,1. Luokittelukertoimella 1,1 kerrottuna kuormakaaviot vastaavat junaa, jonka sallitut akselimassat ovat 25 tonnia. Muutamassa tutkitussa tapauksessa α=1,1 luokittelu ei kuitenkaan aivan riitä. Tulokset ovat siis odotettuja, mutta suoraan akselimassan perusteella tehtävä luokittelu osoittautui Suomen liikenteellä hieman epävarmaksi. Mahdolliseen luokittelukertoimen muutokseen tarvitaan vielä lisätutkimuksia.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,815
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,004

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,156
Écart entre enseignants0,150 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTampere University Institutional Repository (Tampere University)Même sujetRailway Systems and Energy EfficiencyTravaux en français237 207