Notice bibliographique
Résumé
Overview An important task in aircraft design is to make the best possible estimation of all the different types of drag associated with aircraft aerodynamics. Commercial aircraft design is sensitive to the DOC, which is aircraft-drag–dependent. Just one count of drag (i.e., C D = 0.0001) could account for several million U.S. dollars in operating cost over the lifespan of a small fleet of midsized aircraft. This will become increasingly important with the increasing trend in fuel costs. Accurate estimation of the different types of drag remains a central theme. (Equally important are other ways to reduce DOC as described in Section 2.1; these are discussed in Chapter 17.) For a century, a massive effort has been made to understand and estimate drag, and the work is still continuing. Possibly some of the best work on aircraft drag in English is compiled by NACA/NASA, RAE, AGARD, ESDU, DATCOM, Royal Aeronautical Society (RAeS), AIAA, and others. These publications indicate that the drag phenomena are still not fully understood and that the way to estimate aircraft drag is by using semi-empirical relations. CFD (see Chapter 14) is gaining ground but it is still some way from supplanting the proven semi-empirical relations. In the case of work on excrescence drag, efforts are lagging. The 2D-surface skin friction drag, elliptically loaded induced drag, and wave drag can be accurately estimated – together, they comprise most of the total aircraft drag.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,054 | 0,028 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».