MétaCan
Menu
Retour à la cohorte
Enregistrement W1547007413

Vertical wave-in-deck loading and pressure distribution on fixed horizontal decks of offshore platforms

2014· article· en· W1547007413 sur OpenAlexaff
Nagi Abdussamie, W Amin, Roberto Suárez Ojeda, Giles Thomas, Yuriy Drobyshevski

Notice bibliographique

RevueeCite Digital Repository (University of Tasmania) · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics Simulations and Interactions
Établissements canadiensIntecsea (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputational fluid dynamicsDeckVolume of fluid methodSubmarine pipelineFluentSlammingMagnitude (astronomy)Wave loadingStructural engineeringMarine engineeringEngineeringVolume (thermodynamics)MechanicsGeologyGeotechnical engineeringHullPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The risk assessment of wave-in-deck loading on fixed platform decks requires accurate prediction of both global and local loading. In this paper, the vertical loading generated on the bottom plate of a rigidly mounted box-shaped structure due to unidirectional regular waves is computed by means of two approaches. The first is a component-based approach based on Kaplan's method and the second is a computational fluid dynamics (CFD) approach based on the volume of fluid (VOF) method implemented in the commercial CFD code FLUENT. Different parameters including wave steepness and air gap are tested. The obtained results are validated against tank experiments. The study revealed that when the wave-in-deck events are measured globally and locally the load magnitude, its duration as well as its distribution is better evaluated and the uncertainty involved with these impulsive loads can be reduced. It was found that in many cases Kaplan's method underestimates the magnitude of the force in the upward direction. CFD force predictions were found to be in better agreement with the measured forces. Copyright 2014 by the International Society of Offshore and Polar Engineers (ISOPE).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,167
Écart entre enseignants0,161 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeCite Digital Repository (University of Tasmania)Même sujetFluid Dynamics Simulations and InteractionsTravaux en français237 207