MétaCan
Menu
Retour à la cohorte
Enregistrement W2057023802 · doi:10.7901/2169-3358-2005-1-663

ENERGY AND WORK INPUT IN LABORATORY VESSELS

2005· article· en· W2057023802 sur OpenAlexaff
Merv Fingas

Notice bibliographique

RevueInternational Oil Spill Conference Proceedings · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésParticle image velocimetryEnergy (signal processing)TurbulenceWork (physics)MechanicsParticle (ecology)Turbulence kinetic energyParticle tracking velocimetryOpticsPhysicsAcousticsGeology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Turbulent and total energy are known be a very important part of the measurement of oil spill processes. For example, energy is thought to be the single most-important variable in relation to chemical dispersion. Two techniques have been initiated to measure energy. The measurement technique chosen to do this is Particle Image Velocimetry or PIV. In this method, seed particles are put into the fluid and the fluid is illuminated with a laser. The movement of a particle in a given cell is measured as a function of time. This can occur as fast as 30 Hz. Energy can be calculated from at least 2 successive frames. Turbulent energy can be calculated at each point in the image frame. The other method used is the method of using hot wire anemometry. This method can yield data similar to PIV, however requires the intrusion of a probe into the area. The measurements are compared to calculations based on formulations presented in the literature. An important point is that it is shown that a single value does not represent the energy in a vessel (or at sea) because the energy level is not homogeneous throughout the field nor is it simply described. Several of the laboratory vessels have energy fields that are representative of sea 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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 Opus0,009
Tête enseignante GPT0,219
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Oil Spill Conference ProceedingsMême sujetOil Spill Detection and MitigationTravaux en français237 207