menu.catalogmenu.mapViewermenu.timeSeriesmenu.tools

Curvas de fragilidad para hospitales y contenidos por Ferj y López-García (2022)

Centro de Investigación para la Gestión Integrada de Desastres

datasetViewer.authorsPreview: Mauricio Ferj, Diego López-García

datasetViewer.description

Los autores Mauricio Ferj y Diego López-García presentan una serie de curvas de fragilidad en base a diseños de hospitales chilenos, tanto para elementos estructurales como no estructurales. Las curvas se dividen entre hospitales convencionales y aislados, variando el número de pisos y tipo de elemento estudiado. Todas las curvas utilizan como medida de intensidad la aceleración máxima del suelo y siguen una distribución acumulativa lognormal definida como
$\displaystyle F\left(\text{MI}, \lambda, \beta\right) = \frac{1}{2}\left[ 1 + \text{erf}\left(\frac{\ln{\text{MI}} - \lambda}{\beta\sqrt{2}} \right) \right]$
donde - $\text{MI}$ es la medida de intensidad, definida como la aceleración máxima del suelo (*peak ground acceleration*, PGA) en unidades de ${g}$ - $\lambda$ es el logaritmo natural de la mediana de la medida de intensidad - $\beta$ es un parámetro de ajuste mayor que cero - $\text{erf}$ es la función error de Gauss Los resultados se publicaron inicialmente en una tesis de magister, y posteriormente en el artículo científico Comparative Seismic Fragility Analysis of Conventional and Base Isolated Hospital Buildings Having Different Structural Systems.

datasetViewer.preview

datasetViewer.previewCollectionInfo

CódigoTipo de hospitalNúmero de pisosTipo de elementoEstados de dañoMedida de intensidad (MI)DS1 Mediana MIDS1 βDS2 Mediana MIDS2 βDS3 Mediana MIDS3 βDS4 Mediana MIDS4 β
CHNS2SConvencional2EstructuralDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.670.290.990.274.280.144.280.14
CHNS2NSDSConvencional2No estructural sensible al driftDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.640.270.860.31.30.124.280.14
CHNS2NSASConvencional2No estructural sensible a la aceleraciónDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.110.290.250.250.820.264.280.14
CHNS5SConvencional5EstructuralDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.320.470.70.541.80.414.280.14
CHNS5NSDSConvencional5No estructural sensible al driftDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.410.490.670.61.80.414.280.14
··········································
IHNS5ISOLAislado5AisladoDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.540.450.760.490.910.411.020.27
IHNS8SAislado8EstructuralDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.710.461.110.211.310.074.280.14
IHNS8NSDSAislado8No estructural sensible al driftDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)1.090.241.430.174.280.144.280.14
IHNS8NSASAislado8No estructural sensible a la aceleraciónDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.570.321.30.124.280.144.280.14
IHNS8ISOLAislado8AisladoDS1 Leve; DS2 Moderado; DS3 Extenso; DS4 CompletoPGA: Peak ground acceleration (g)0.690.420.90.371.020.261.220.26

datasetViewer.download

datasetViewer.download1 datasetViewer.here. datasetViewer.download3

datasetViewer.programaticAccess

datasetViewer.programaticAccess1 itrend-ds:bfc9e1a28aa0b005

datasetViewer.programaticAccess2 Código

datasetViewer.programaticAccess3 datasetViewer.programaticAccess4 datasetViewer.programaticAccess5 datasetViewer.here

```python import pytrend import pandas as pd session = pytrend.itrend_developer_tools() session.set_credentials( access_key_id = '', # Ingresa tu access_key_id secret_access_key = '' # Ingresa tu secret_access_key ) # Conjunto de datos dataset_id = 'itrend-ds:bfc9e1a28aa0b005' collection_id = 'Código' # Obtener formatos disponibles dataset_formats = session.get_dataset_formats(dataset_id) fmt = dataset_formats[0] # Escoger el formato que más le acomode: dataset_formats = [csv, xlsx] # Descargar archivo response = session.download_file(dataset_id, fmt) # Descargar un elemento filename = response.get('filename') delimiter = response.get('delimiter') df = pd.read_csv(filename, delimiter) element_formats = session.get_element_formats(dataset_id) efmt = element_formats[0] # Escoger el formato que más le acomode: element_formats = [npz] for r, row in df.iterrows(): element_id = row[collection_id] element_response = session.download_file(dataset_id, efmt, element_id) break ```

datasetViewer.attribution

datasetViewer.attributionMessage1

datasetViewer.attribution1 Centro de Investigación para la Gestión Integrada de Desastres, «Curvas de fragilidad para hospitales y contenidos por Ferj y López-García (2022)». datasetViewer.attribution2

datasetViewer.attributionMessage2

datasetViewer.attribution3 Centro de Investigación para la Gestión Integrada de Desastres («Curvas de fragilidad para hospitales y contenidos por Ferj y López-García (2022)»), datasetViewer.attribution4

datasetViewer.permanentLink

datasetViewer.permanentLinkDescription

https://www.plataformadedatos.cl/datasets/es/bfc9e1a28aa0b005

datasetViewer.metadata

datasetViewer.noMetadata