Notice bibliographique
Résumé
Unmanned Aerial Vehicle Technology Making them fly was the easy part. Making them useful was the next challenge. And now unmanned aerial vehicles (UAVs) are being put to the test to determine where they are the most applicable to the oil and gas industry. Companies and university researchers developing these “flying computers” believe that their sector is ready to rapidly expand, because of recent technological advancements and legislation that will open up the unmanned skies in the industry’s largest potential market by 2015: the United States. UAVs are already being used by some oil and gas companies to inspect flare stacks and track migrating wildlife and ice floes in the Arctic. In the near future, UAVs will be used as important tools to respond to oil spills and pipeline monitoring, and in offshore installation and decommissioning operations. A few years ago, the militaries of the world held a virtual monopoly on the application of UAV technology, and UAVs available to the private sector were little more than eyes in the sky with limited functionality. Today, commercial UAVs are the benefactors of miniaturized electronics, partly thanks to the smartphone industry and advanced software programs specifically designed to make sense of the different types of data that can be gathered while flying. Equipped with lasers, high-definition cameras, thermal imaging systems that can “see” at night, and an array of other sensors, advocates of UAVs claim they are not simply cheaper alternatives to fixed-wing aircraft and helicopters, but in many ways are more capable and, without question, safer to operate. Last fall, BP completed an experimental flight in Prudhoe Bay, Alaska, using a quadrotor UAV developed by Canadian-based Aeryon Labs. Quadrotor UAVs, also called quadcopters, use four rotors to lift and move the aircraft and are known for their maneuverability. At the time, US authorities were only issuing flight certificates to determine the airworthiness of UAVs without allowing commercial operations. BP completed the test run to determine how Aeryon’s UAV could inspect oilfield equipment and pipelines to assess maintenance needs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,086 | 0,066 |
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 source (Gemma direct ou Codex distillé), 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 ».