The Effects of Wind on Liquid Fuelled Pool Fires
Notice bibliographique
Résumé
Macroscopic fire parameters such as fuel regression rate, flame height and flame tilt are critical to the development of detailed fire models and empirical tools for hazard analysis [1–3]. As a result, these characteristics have been investigated by many researchers using various measurement methods in studies of liquid fuelled pool fires of different diameters and fuel types, under a range of crosswind conditions. In investigations related to transportation accidents, fire scenarios have been complicated further through interactions between the fire and upwind or downwind objects [1,2]. Of particular interest is the determination of fuel regression rate, an important parameter but one that is generally difficult to characterize accurately. Many techniques have been reported for measurement of fuel regression rate. These include load cells [2,4,5], differential pressure systems [2,5–7], sight glass and float-type level meters [6–8] and thermocouple rakes [1]. In general, load cells have been employed most successfully for measurements in smaller scale fires [2,4], while researchers have turned to differential pressure and thermocouple type systems for measurements in fires above 5 m diameter [2,6,7]. All the techniques have been used with varying levels of success to measure fuel regression rate under quiescent conditions. Under crosswind conditions and in cases with an object present, however, inherent wandering of the fire plume and dynamic wind loading on the pool can be of additional concern as they affect the accuracy and repeatability of the measurements [1,2,6,7]. In several excellent reviews, available results have been summarized and used to derive empirical correlations relating overall fire characteristics to fire diameter, fuel type and/or wind velocity [3,9–11].
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 ».