MétaCan
Menu
Retour à la cohorte
Enregistrement W7024188961

Predicting Bridge Bearing Demands Through a Probabilistic Framework

2018· dissertation· en· W7024188961 sur OpenAlexaboutno aff

Notice bibliographique

RevueMacSphere (McMaster University) · 2018
Typedissertation
Langueen
DomainePhysics and Astronomy
ThématiqueHigh-Energy Particle Collisions Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNucleofectionHyporeflexiaGestational periodArticular cartilage damageTSG101Diafiltration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The life expectancy of bridge bearings is not well understood or predicted, and bearing replacement is primarily determined through field inspection and engineering judgement. An improved estimate of the timeline for bearing replacement would aid in maintenance scheduling and budgets. As a first step in determining the age for replacement, the annual and lifetime cyclic demands must be estimated. The bearing displacements are largely caused by temperature fluctuation, seismic events, and traffic cycles. In this dissertation a probabilistic framework is presented to quantify the annual cyclic displacement demands on a bearing from these diverse loadings using an archetype continuous concrete girder bridge. The likelihood of occurrence per annum of cycles of increasing amplitudes are presented. In addition, the mean and cycle periods which are related to the loading scenario and cycle amplitude are discussed, and a suggested loading protocol is presented. Three locations across Canada are considered, Quebec City, Toronto and Vancouver, to investigate the influence of location on the bearing demands. The annual expected demands can be used for future work on fatigue testing of bearings to better relate to replacement schedule projections for bridge bearings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,264
Écart entre enseignants0,244 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacSphere (McMaster University)Même sujetHigh-Energy Particle Collisions ResearchTravaux en français237 207