Abstract of "AN EXPERT SYSTEM FOR ESTIMATING SOIL THERMAL AND TRANSPORT PROPERTIES"
Notice bibliographique
Résumé
Prediction of soil thermal conductivity k is particularly difficult at high temperatures T (50-90 °C) and very low moisture content θ; the k value may increase with temperature by a factor of 3-5. This phenomenon is due to water vapor migration resulting in latent heat transfer, which is strongly dependent on soil water characteristics (SWC). In the past, the SWC influence on k prediction was never studied in great detail - mainly due to a lack of reliable SWC experimental data at low θ. Currently, hydraulic properties of soils can be evaluated from numerous predictive models correlated with experimental data. The paper objectives focus on: effects of SWC on k prediction; explanation of nonlinear variation of k at high T with θ ranging over the full degree of saturation; large k over- predictions at low θ and high T. Results obtained show very strong k dependence on the SWC function; therefore, accuracy of SWC estimates cannot be disregarded. The paper explains a nonlinear k behavior at high T as a combined effect of water vapor migration, SWC, and soil air relative humidity. To this end the paper provides also information about Soil Thermal and Transport Properties — Expert System (STTP-ES), collection of the notable predictive models for these properties, for both moist and frozen soils, which have been gleaned from the literature and integrated into one software package. The appendix provides a brief description and recent modifications made to the STTP-ES. Closing discussion concentrates on STTP-ES shortcomings, development of the Windows driven package, Expert System extension to other porous media and the database development.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».