ESTIMATING LNG SPREADING ON WATER1
Notice bibliographique
Résumé
In order to meet the growing demands for energy, plans are currently being made to construct several new liquefied natural gas (LNG) off-load terminals in North America. While LNG provides a relatively clean source of fuel, increased shipment means increased potential for accidental releases. Governmental agencies have recognized the safety concerns about such a possible spill event and have recommended the proactive and preemptive addressing of such concerns. Several recent studies have examined the likely thermal and other hazards from an LNG vessel accident. One possible threat from such an incident is a pool fire, which could be quite large since the volume of a single tank on an LNG vessel can contain as much as 25,000 m of liquefied gas. In general, there is agreement in the literature on the pool fire geometry, burn regression rate, and thermal emissive power of the fire but less concurrence on possible tank leak rate or surface spread rate on water. The authors review the existing approaches to this latter phenomenon for unconfined spills. Comparison of model predictions with limited experimental data is also discussed For low wave conditions, two methods, one by Fay and the other by Weber, have been the most widely used in past models, sometimes with modifications that are discussed in the paper. Similarly, two alternative algorithms have recently been suggested for high wave conditions. The authors review the merits of these two approaches, the expected consequences from each approach, and finally compare them to widely used oil spill spreading formulas under energetic wave conditions.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».