Filtry
wszystkich: 158
Najlepsze wyniki w katalogu: Potencjał Badawczy Pokaż wszystkie wyniki (110)
Wyniki wyszukiwania dla: MACHINE LEARNING ALGORITHM SOIL-STRUCTURE INTERACTION SEISMIC RISK ASSESSMENT RESIDUAL INTERSTORY DRIFT SEISMIC DEMAND SEISMIC FAILURE PROBABILITY
-
Zespół Katedry Zarządzania w Budownictwie i Inżynierii Sejsmicznej
Potencjał BadawczyKatedra Zarządzania w Budownictwie i Inżynierii Sejsmicznej jest kontynuatorem tradycji Katedry Ekonomiki Budownictwa, powołanej na Politechnice Gdańskiej w 1965 r. W 1974 r. powstała pierwsza w Polsce specjalność Organizacja i Zarządzanie w Budownictwie, która nieprzerwanie od tego czasu prowadzona jest przez pracowników katedry. W swojej długiej historii, katedra podlegała licznym przekształceniom organizacyjnym, kilkakrotnie...
-
Katedra Konstrukcji Metalowych
Potencjał BadawczyKierunki badań w Zespole Konstrukcji Metalowych są ściśle powiązane z następująca tematyką: liniowe i nieliniowe analizy numeryczne oraz badania konstrukcji prętowych i powłokowych, zagadnienia dynamiki konstrukcji metalowych, imperfekcje w konstrukcjach metalowych, identyfikacja naprężeń wewnętrznych w stali, inżynieria sejsmiczna, nośność połączeń na śruby oraz rehabilitacja zabytkowych konstrukcji stalowych.
-
Zespół Katedry Technicznych Podstaw Projektowania Architektonicznego
Potencjał BadawczyWażną częścią działalności Katedry Technicznych Podstaw Projektowania Architektonicznego są zagadnienia konstrukcji, statyki budowli, akustyki, technologii fasad kinetycznych i filtrujących, w szerokim zakresie wspierane technikami komputerowymi i modułami rozwiązań praktycznych odpowiadających współczesnym wyzwaniom i potrzebom . Program Katedry obejmuje rozwiązywanie coraz bardziej złożonych problemów projektowo- konstrukcyjnych...
Najlepsze wyniki w katalogu: Oferta Biznesowa Pokaż wszystkie wyniki (48)
Wyniki wyszukiwania dla: MACHINE LEARNING ALGORITHM SOIL-STRUCTURE INTERACTION SEISMIC RISK ASSESSMENT RESIDUAL INTERSTORY DRIFT SEISMIC DEMAND SEISMIC FAILURE PROBABILITY
-
Laboratorium Badań Terenowych
Oferta Biznesowadiagnostyka obiektów mostowych i inżynierskich: badania in situ, próbne obciążenia, monitoring i identyfikacja konstrukcji, zaawansowane analizy teoretyczne i obliczeniowe
-
Centrum Civitroniki – Centrum Zaawansowanych Technologii
Oferta BiznesowaCentrum Civitroniki działa na Wydziale Inżynierii Lądowej i Środowiska Politechniki Gdańskiej. W skład Centrum Cicitroniki wchodzą następujące pracownie:Pracownia DIM-Tefal, Pracownia defektorskopii, badań materiału i konstrukcji metalowych, Pracownia geodezyjnego monitorowania budowli inżynierskich, Pracownia badań drogowych, Pracownia fizyki budowli oraz Nazwa Civitronika jest wynikiem połączenia wyrażeń: „civil engineering”...
-
Pracownia Fotogrametrii i Teledetekcji Niskiego Pułapu
Oferta BiznesowaW pracowni prowadzone są badania naukowe oraz zajęcia dydaktyczne z zakresu fotogrametrii cyfrowej i teledetekcji, szczególnie z niskiego pułapu czyli z bezzałogowych statków powietrznych. W ramach działań pracowni prowadzone są pomiary terenowe z użyciem nowoczesnych technik pomiarowych i bezzałogowych statków powietrznych, szkolenie lotnicze operatorów bezzałogowych statków powietrznych. Prace kameralne realizowane są na nowoczesnym...
Pozostałe wyniki Pokaż wszystkie wyniki (12223)
Wyniki wyszukiwania dla: MACHINE LEARNING ALGORITHM SOIL-STRUCTURE INTERACTION SEISMIC RISK ASSESSMENT RESIDUAL INTERSTORY DRIFT SEISMIC DEMAND SEISMIC FAILURE PROBABILITY
-
Machine learning-based prediction of residual drift and seismic risk assessment of steel moment-resisting frames considering soil-structure interaction
PublikacjaNowadays, due to improvements in seismic codes and computational devices, retrofitting buildings is an important topic, in which, permanent deformation of buildings, known as Residual Interstory Drift Ratio (RIDR), plays a crucial role. To provide an accurate yet reliable prediction model, 32 improved Machine Learning (ML) algorithms were considered using the Python software to investigate the best method for estimating Maximum...
-
Machine learning-based prediction of seismic limit-state capacity of steel moment-resisting frames considering soil-structure interaction
PublikacjaRegarding the unpredictable and complex nature of seismic excitations, there is a need for vulnerability assessment of newly constructed or existing structures. Predicting the seismic limit-state capacity of steel Moment-Resisting Frames (MRFs) can help designers to have a preliminary estimation and improve their views about the seismic performance of the designed structure. This study improved data-driven decision techniques in...
-
Farzin Kazemi Ph.D. Student at Gdansk University of Technology
OsobyHis main research areas are seismic performance assessment of structures and seismic hazard analysis in earthquake engineering. He performed a comprehensive study on the effect of pounding phenomenon and proposed modification factors to modify the seismic collapse capacity of structures or predict the seismic collapse capacity of structures which were retrofitted with linear and nonlinear Fluid Viscous Dampers (FVDs). His current...
-
Seismic response and performance prediction of steel buckling-restrained braced frames using machine-learning methods
PublikacjaNowadays, Buckling-Restrained Brace Frames (BRBFs) have been used as lateral force-resisting systems for low-, to mid-rise buildings. Residual Interstory Drift (RID) of BRBFs plays a key role in deciding to retrofit buildings after seismic excitation; however, existing formulas have limitations and cannot effectively help civil engineers, e.g., FEMA P-58, which is a conservative estimation method. Therefore, there is a need to...
-
Machine learning-based seismic fragility and seismic vulnerability assessment of reinforced concrete structures
PublikacjaMany studies have been performed to put quantifying uncertainties into the seismic risk assessment of reinforced concrete (RC) buildings. This paper provides a risk-assessment support tool for purpose of retrofitting and potential design strategies of RC buildings. Machine Learning (ML) algorithms were developed in Python software by innovative methods of hyperparameter optimization, such as halving search, grid search, random...