A NON-PARAMETRIC APPROACH FOR MULTIVARIATE SEISMIC FRAGILITY AND RISK ANALYSIS
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 most proposed methodologies for performance-based seismic design and evaluation, probabilistic seismic demand modelling and fragility analysis are key elements in handling uncertainty. This work puts forward a non-parametric method for constructing analytical seismic fragility functions and the corresponding risk estimates in the context of performance-based earthquake engineering. The approach leverages the thoroughness of multiple-stripe analysis and the versatility of bootstrap sampling to calculate mean risk estimates. Moreover, confidence intervals can also be quantified in each stage of the performance assessment. The proposed technique is free of constraining hypotheses such as lognormality, homoscedasticity, and linear dependence of seismic response. These are commonly employed in constructing multivariate probabilistic seismic demand models and may introduce significant bias into fragility estimates. Although of simple application, the method is shown to be systematic in approximating the seismic risk measures. The case study of a three-span concrete girder bridge in eastern Canada illustrates its application to a multicomponent structure. The interaction of reinforced concrete piers, abutment, and elastomeric bearings and their contribution to the whole bridge performance is comprised in this example. Ground motion record sets are rigorously selected using the generalised conditional intensity measure approach based on the available ground motion models for the region. Component- and system-level fragility curves and associated mean annual frequencies of damage state exceedance are used to characterise the bridge’s seismic performance. Finally, the results of the case study highlight the challenge of assessing the vulnerability of structures in regions of moderate seismicity.
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 | 0,003 |
| 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