MétaCan
Menu
Retour à la cohorte
Enregistrement W2035959352 · doi:10.1002/cjce.22120

Hardware and instrumentation to investigate massive releases of dense phase CO<sub>2</sub>

2014· article· en· W2035959352 sur OpenAlexvenueno aff
Didier Jamois, Christophe Proust, Jérôme Hebrard

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWind and Air Flow Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceInstrumentation (computer programming)Nuclear engineeringMass flowAtmosphere (unit)Petroleum engineeringMeteorologyComputer scienceMechanicsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

CCS (carbon capture and storage) is seen as a possibility to mitigate the global warming effect. The practical implementation of this technique faces a few challenges like safety issues. It is wondered if a massive release affecting the pipeline (may be the most vulnerable part of the CCS chain) would not lead to a disaster remembering what happened in Africa about 28 years ago (about Nyos Lake accident see Eos, 2009). Few experimental observations of large‐scale CO 2 releases have been made, and the physics and thermochemistry involved are not fully understood, even if considerable progress has been made theoretically. 2 In this paper, the experimental techniques used to investigate this specific problem are described and illustrated with some key results extracted from various projects. Innovative techniques were employed to control the mass flowrate, blowdown, nearfield, and farfield dispersion in the atmosphere. A 2 m 3 spherical vessel able to store up to 1000 kg of CO 2 at a pressure above 8 MPa was used. Dense CO 2 was allowed to spill out via a 50 mm pipe. The temperature, CO 2 concentration, and density field of the outside cloud were monitored using thermocouples and concentration probes. Among other results, it was in particular shown that when the mass flowrate is large enough, body forces become significant forcing the cloud to stay on the ground.

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 enseignants0,010
Score d'incertitude au seuil0,204

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 Opus0,007
Tête enseignante GPT0,192
Écart entre enseignants0,185 · 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

Citations15
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetWind and Air Flow StudiesTravaux en français237 207