Seismic Evaluation of Existing Stone Unreinforced Masonry Walls Using Predictive Parameters for Strengthening Interventions
Notice bibliographique
Résumé
The seismic evaluation of existing unreinforced masonry (URM) structures is deemed essential due to their historical value and the vulnerability they present when subjected to earthquake shaking. Most of these buildings, constructed in the last century, do not comply with the current seismic codes and masonry standard. This study focusses on the assessment of URM walls subjected to lateral loading and more in detail to the behaviour of structural components such as the piers and spandrels. The behavior of structural elements, comprising the shear and bending failure modes, are investigated; these failure modes can be detected through the crack propagation initiated in building’s masonry walls. Then, a parametric study on a series of capacity formulations of piers and spandrels is performed and each failure mode is investigated independently in the aim of assessing the accuracy in capturing their strength. Three experimental test data are used to validate the efficiency of formulations for diagonal shear and data from five testing programs are used to validate the proposed formulations used to predict the maximum shear force resulting from flexural behavior of piers. Subsequently, a deterministic model for piers is built using an open-source software to generate data required to build a linear relationship between different parameters and the performance criteria expressed in terms of strength and ductility. A case study comprising an URM facade wall of an existing 2-storey school building in Montreal is also conducted and certain strengthening interventions are presented. Further, the generated data is used to build probabilistic models that operates on Bayesian Networks. Nonlinear analysis using the target and the predictive variables are carried out. Machine learning algorithms are applied to acquire the entropy reduction factors which helps determining the most predictive variables used to assess the performance of piers.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».