Computational Intelligence on Hydrodynamic Performance Characteristics of Emerged Perforated Quarter Circle Breakwater
Notice bibliographique
Résumé
Protecting the lagoon area from the wave attack is one of the primary challenges in coastal engineering. Due to the scarcity of rubble and to achieve economy, new types of breakwaters are being used in place of conventional rubble mound breakwaters. Emerged Perforated Quarter Circle Breakwater (EPQCB) is an artificial concrete breakwater consisting of a curved perforated face fronting the waves, a vertical wall on back and a base slab resting on a low rubble mound base. The perforated curved front face is having advantages like energy dissipation and good stability with less material as it is hollow inside. Computational Intelligence (CI) can be adopted for the evaluation of performance characteristics like reflection, dissipation, run-up and rundown which are complex, time consuming and expensive to perform in laboratory. The paper presents the work carried out to predict the reflection coefficient (K r ) for input parameters, wave period (T) beyond the data range used for training and of wave height (H) along with the data on input parameters of water depth (d), spacing-perforation ratio (S/D) and radius (R) of the EPQCB. The data on various parameters are taken in two categories for training and testing of ANN as mentioned below in order to understand the effect of using non-dimensional data in place of parametric values: 1) Input in the form of parametric data (H, T, d, R, S, D), and 2) Input in the form of non-dimensional values (H/gT 2 , d/gT 2 , S/D, R/H). Better correlation was found when individual dimensional parametric data was used instead of non-dimensional group values in both the methods of prediction. Similarly, the correlation between the beyond the data range prediction and actual values was found to be good in both methods of prediction.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».