Figure - available from: Asian Journal of Civil Engineering
This content is subject to copyright. Terms and conditions apply.
Performance evaluation of classification learners using the training set: a Tree, b Discriminant, c Naive Bayes, d SVM, e KNN, f Ensemble, and g Neural Network

Performance evaluation of classification learners using the training set: a Tree, b Discriminant, c Naive Bayes, d SVM, e KNN, f Ensemble, and g Neural Network

Source publication
Article
Full-text available
One of the key steps in the framework of seismic risk and strengthening evaluations of existing reinforced concrete (RC) bridges, frames, or buildings is the identification of failure modes of RC columns. This paper deals with an efficient method based on machine learning techniques to classify failure modes of rectangular RC columns due to lateral...

Similar publications

Article
Full-text available
This study aims to introduce an earthquake-induced damage classification approach for seismic vulnerability assessment of reinforced concrete buildings. Through the use of the damage data collected from post-earthquake inspections after the 2003 Bingöl Earthquake in Turkey, two models were constructed by the decision tree classification technique c...

Citations

... A critical challenge in deploying ML algorithms involves identifying the most relevant inputs for the model. Optimal input selection, achieved through feature selection, stands as a crucial strategy for determining the most effective inputs for the models in use [27,28]. ...
Article
Full-text available
This research introduces an efficient machine learning approach for predicting the structural health of long-span suspension bridges, focusing on their responses to dynamic environmental load like earthquakes and wind. Unlike traditional analytical methods that rely on simplifications, this study utilizes real-world data from ane-mometers and accelerometers to enhance prediction accuracy and efficiency. Also instead of using whole signals, the study uses fewer time frame signal. The main contribution of this paper is the application of support vector regression (SVR), optimized through Observer-Teacher-Learner-Based-Optimization (OTLBO) for parameter tuning. The optimization process is further refined using Multi-Objective Observer-Teacher-Learner-Based-Optimization (MOOTLBO), targeting feature selection and dimension reduction to improve model performance significantly. Hardanger Bridge serves as a case study, demonstrating the model's capability to accurately predict acceleration responses to wind. By inputting wind sensor data and analyzing acceleration outputs, the enhanced SVR model, through OTLBO and MOOTLBO, shows remarkable predictive accuracy, validated against six performance indices. This methodological advancement suggests that the machine learning-based model could potentially supplant traditional finite element models, offering a more adaptable, efficient, and accurate tool for structural health monitoring (SHM). This advancement addresses critical discrepancies in SHM systems, such as data gaps or sensor malfunctions, by providing a reliable prediction method that ensures the ongoing safety and integrity of bridge structures.
... Ngoài ra, để mô hình chính xác ứng xử của của cột, dạng phá hoại của cột cần được xác định. Có nhiều phương pháp đã được nghiên cứu và liệt kê ở [23], kể cả các mô hình học máy. Trong nghiên cứu này, phương ...
Article
Full-text available
Nghiên cứu trình bày một hướng tiếp cận mới dựa trên mô hình mạng nơron nhân tạo (ANN) nhằm xây dựng đồ thị trạng thái phá hủy của trụ cầu bê tông cốt thép (BTCT) chịu động đất. Theo đó, trụ cầu được mô hình hóa sử dụng phần mềm OpenSees xét đến mô hình vật liệu phi tuyến và ảnh hưởng của nền móng. Các phân tích lịch sử thời gian được thực hiện trên một bộ gồm 140 bản ghi gia tốc nền được lựa chọn theo các phổ hiểm họa đều mục tiêu. Dựa trên dữ liệu được thu thập từ các kết quả phân tích, hai mô hình ANN nối tiếp được xây dựng, tối ưu và xác thực; cụ thể, mô hình ANN 1 được sử dụng để thiết lập quan hệ giữa các đại lượng đo lường cường độ dao động nền (IM) và mô hình ANN 2 với dữ liệu đầu vào là các IM được sử dụng để ước lượng đáp ứng kết cấu. Mô phỏng Monte Carlo cuối cùng được áp dụng trên 2 mô hình này để xây dựng đồ thị trạng thái phá hủy của kết cấu ứng với các trạng thái hư hại. Kết quả phân tích trên một trụ cầu thân cột BTCT của cầu Quá Giáng ở thành phố Đà Nẵng cho thấy phương pháp đề xuất thể hiện tính khả thi và tin cậy trong việc xây dựng đồ thị trạng thái phá hủy cho các trạng thái hư hại khác nhau của trụ cầu.
... Hidden structural faults can induce vibrations in civil structures, potentially leading to unexpected accidents, particularly in older structures or those exposed to external forces such as wind and seismic impulses, which can cause severe collapses [1,2]. Therefore, monitoring vibrations to detect structural faults is essential to maintain the health of civil structures. ...
Article
Full-text available
Failure-induced vibrations are a common phenomenon in many civil structures, and the characterization of their vibration frequencies is crucial for monitoring their structural health. This paper presents a new optics-based mechanical system that can monitor the vibrations of civil structures through the fluctuation of laser spot size using advanced image sensors. The principle behind this vibrometer combines mechanical oscillation and laser optics, and it provides information on vibration through the precise variation of spot size in a low-cost, low-risk, and high-speed manner. The system comprises simple components that are easily integrated into various civil structures. Therefore, this novel approach offers a promising method for effectively monitoring the health of civil structures.