MétaCan
Menu
Retour à la cohorte
Enregistrement W1995947734 · doi:10.1680/wama.14.00145

Determination of appropriate dimensions of submerged vanes

2015· article· en· W1995947734 sur OpenAlexaff
Seyed Hessam Seyed Mirzaei, Ali Reza Firoozfar, Seyed Ali Ayyoubzadeh

Notice bibliographique

RevueProceedings of the Institution of Civil Engineers - Water Management · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésFront (military)SedimentationChannel (broadcasting)Flow (mathematics)Marine engineeringEnvironmental scienceMechanicsEngineeringGeologyMathematicsGeometrySedimentMechanical engineeringElectrical engineeringPhysicsGeomorphology

Résumé

récupéré en direct d'OpenAlex

Utilisation of submerged vanes in front of intake ports is an effective approach to address sedimentation in lateral intakes from rivers. Strategically installed, these flow-training structures could increase the mid-depth and near surface flows into the intake, and simultaneously prevent bed-load transport from entering the intake channels. The effectiveness of submerged vanes depends on their number, shape, dimensions and configuration. Determination of optimum values for dimensions or configuration of the vanes is very challenging as the effect of many parameters, which are effective in sedimentation in the intake zone, must be investigated. In this study, effort has been made to determine appropriate dimensions of submerged vanes that are installed in front of a 90° intake from a straight channel. Fuzzy TOPSIS, a multi-objective optimisation method, has been utilised for the optimisation process by considering ten parameters. The simulations have been conducted for three discharge ratios of 0·11, 0·16 and 0·21. The results show that a height of 0·2 times the flow depth, and a length of four times the vane height are the appropriate dimensions for utilisation of submerged vanes in front of the lateral intakes from straight channels.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,354
Score d'incertitude au seuil0,254

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 Opus0,010
Tête enseignante GPT0,194
Écart entre enseignants0,183 · 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'étudeExpérimental (laboratoire)
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Institution of Civil Engineers - Water ManagementMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207