MétaCan
Menu
Retour à la cohorte
Enregistrement W2042293848 · doi:10.2118/119818-ms

A Seasonal Solution for Offshore Drilling in an Ice Environment

2009· article· en· W2042293848 sur OpenAlexaboutno aff
Chip Keener, Rod Allan

Notice bibliographique

RevueAll Days · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRubbleSea iceArctic ice packLead (geology)Environmental scienceArcticFast iceOceanographySubmarine pipelineGeologyDrift iceClimatology

Résumé

récupéré en direct d'OpenAlex

Abstract The promising potential of prolific hydrocarbon reserves in the difficult Arctic ice environment has spurred accelerating lease activity particularly in the US and Canadian Beaufort Sea, and the Chukchi Sea. The obstacles are formidable: The leases may only be ice clear a few months a year.The fall and early winter months expose severe weather analogous to a North Sea wind and wave environment.Winterization measures must consider potential of severe icing.The vessel hull and exposed machinery must tolerate temperatures of −40° C.The ice management strategy must anticipate operations in one-year ice (sheet ice to a 1.5 meter thickness with rubble fields, occasional multi-year inclusions, and modest ridges).Logistic lines are long and tedious, motivating an unparalleled level of self-sufficiency.Water depths range from 50 meters or less to extreme depth, confounding a station-keeping solution.Heavy ice and formidable ridges compel an exodus mid-winter through mid-summer, and obligate consideration for off-season marketability and high speed open water transit.Consideration must be given for wintering over … in contingency or with ambition to extend the season.Extreme environmental sensitivity will be expected. Against these challenges, a fit-for-purpose vessel has been conceived. optimized for extended-season operations in the Arctic, and uncompromised ultra-deepwater off-season performance in a more hospitable environment.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,306
Score d'incertitude au seuil0,428

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 Opus0,015
Tête enseignante GPT0,214
Écart entre enseignants0,199 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAll DaysMême sujetOffshore Engineering and TechnologiesTravaux en français237 207