MétaCan
Menu
Retour à la cohorte
Enregistrement W1976700572 · doi:10.2118/125129-pa

Submarine Debris Flow Impact on Pipelines: Numerical Modeling of Drag Forces for Mitigation and Control Measures

2009· article· en· W1976700572 sur OpenAlexaff
Arash Zakeri, Kaare Høeg, Farrokh Nadim

Notice bibliographique

RevueSPE Projects Facilities & Construction · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics Simulations and Interactions
Établissements canadiensCentre For Cold Ocean Resources Engineering
Organismes subventionnairesStatoil
Mots-clésFlumeBermDebris flowMarine engineeringDragPipeline transportDebrisSubmarine pipelineEngineeringSeabedGeotechnical engineeringGeologyFlow (mathematics)Aerospace engineeringMechanical engineeringMechanics

Résumé

récupéré en direct d'OpenAlex

Summary Provision of mitigative and control measures are necessary for a pipeline to survive in a debris flow event, but the forces in the soil-structure interaction must be estimated for the design. Based on physical experiments in a flume and numerical analyses, this paper presents a method for estimating the impact drag force on laid-on-seafloor and suspended (free-span) pipelines. The method may be applied in practice to a wide range of debris flow impact situations. Two conceptual mitigative and control measures for design against submarine debris flow impact are discussed: the berm-protected laid-on-seafloor pipeline and the cable-controlled pipeline system. The latter may be applied to both the pipeline-on-seafloor and suspended pipeline situations. The observations from a laboratory flume experiment with a model pipe protected by an upstream berm, as well as complementary computational fluid dynamics (CFD) numerical analyses results are presented. The results from the flume experiment show that there is a possibility to protect a pipeline provided the protective structure can withstand the basal shear and lift forces induced by the water and debris flows on its surfaces. The results may be used for conceptual and preliminary design purposes, and the analysis methodology may be tailored to other situations or the detailed design. The feasibility of the two conceptual mitigative and control measures is briefly discussed.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,474
Score d'incertitude au seuil0,618

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,240
Écart entre enseignants0,228 · 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 tête enseignante, 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

Citations4
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Projects Facilities & ConstructionMême sujetFluid Dynamics Simulations and InteractionsTravaux en français237 207